基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。

一种检测重叠和非重叠社区的方法

为发现有重叠和非重叠连接结构的社区,针对现有方法的不足提出一种新型社区检测方法。基于主节点准则,为每个节点计算内部和外部关联度检测社区,设计社区检测综合算法,在人工网络上进行仿真并与已知算法对比。结果表明,该方法具有较为优越的性能和可行性。

归一化互信息与多分辨率融合的2D-3D配准方法

针对微创脊柱手术配准环节中存在的配准精度和效率低的问题,本文提出了一种2D-3D配准方法。采用基于区域贡献的归一化互信息与多分辨率策略相结合的方法,并通过改变配准步长,研究配准精度和时间。整体配准精度提高了40%,配准时间缩短了53%,当配准步长由0.1降到0.05时,其配准精度提高了8%,配准时间增加了12%。由此可知,配准步长变小时,配准精度相对提高,但配准时间增加。此算法可以实现三维与二维图像的配准,且可以有效提高配准精度和配准效率,基本符合医生手术过程图像配准3 mm以内的需要。

噪声对三维图像归一化互信息配准的影响

在三维图像配准方法中,归一化互信息法精度高、鲁棒性强、使用范围广。本文以归一化互信息为相似度对三维图像进行了配准,并采用了蒙特卡罗(MC)的方法研究噪声对三维图像配准的影响。实验发现,噪声的存在会造成归一化互信息的统计误差,使归一化互信息变小。为了消除噪声的影响,根据图像的灰度直方图,本文提出一种将灰度直方图进行区域分割后再配准的方法,减小了噪声造成的灰度值涨落和统计误差。研究表明,该方法可抑制噪声的影响,改善局部极值,减小误匹配,从而提高了归一化互信息,进一步完善了基于归一化互信息的图像配准。