粒子群与改进的鲍威尔算法相结合的多分辨率三维医学图像配准

为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率三维医学图像配准算法。该算法通过高斯滤波将三维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度。在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的三维医学图像配准。实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能。

颅内电极定位中的多模图像配准研究

目的:探讨不同配准方法在颅内电极定位中的表现,寻找适合于颅内电极定位的方法。方法:分别利用均方测量和Mattes互信息方法作为代价函数,将患者植入电极后的CT图像与植入电极前的MRI图像进行配准,对比两种方法的表现。结果:两种方法均能较为准确地定位旋转中心的位置。在同一CT和MRI体数据对中,不同断层图像对进行配准时旋转角度的波动较大;而不同断层配准图像的平均旋转角度与人工配准的结果大致接近。结论:不同断层图像对配准结果的平均值可作为整个CT和MRI体数据的配准参数使用,并得到相对良好的匹配结果。