基于DRR的2D-3D医学图像配准技术的研究

摘要 ....................................................................................................................... I Abstract ..................................................................................................................... I II 1 绪论 . (1)

1.1 引言 (1)

1.2 医学图像配准的研究现状 (1)

1.2.1 医学图像配准的发展简史 (1)

1.2.2 医学图像配准的应用领域 (2)

1.3 2D/3D医学图像配准的研究现状和面临的问题 (4)

1.4 论文主要研究内容及创新点 (5)

1.5 文章结构安排 (6)

2 医学图像配准的基础理论知识 (7)

2.1 医学图像配准的定义 (7)

2.2 2D/3D医学图像配准的框架和流程 (8)

2.2.1 图像配准框架 (8)

2.2.2 图像配准流程 (8)

2.3 配准四要素 (9)

2.3.1 空间变换 (9)

2.3.2 图像插值 (12)

2.3.3 相似性测度 (15)

2.3.4 参数优化 (18)

2.4 医学图像配准分类 (19)

2.4.1 根据所处理的数据维度分类 (19)

2.4.2 根据算法所使用的空间变换类型分类 (20)

2.4.3 根据医学图像特征分类 (20)

2.4.4 根据医学影像的模态信息分类 (20)

2.4.5 根据医学图像的来源分类 (21)

2.5 医学图像配准评价方法 (21)

2.6 本章小结 (22)

3 2D/3D医学图像配准的基础理论知识 (23)

3.1 基于二维图像的实现方式 (23)

3.1.1 数字影像重建技术（DRR） (23)

3.1.2 基于DRR的2D/3D图像配准 (25)

3.2 基于三维图像的实现方式 (25)

3.2.1 三维重建技术 (25)

3.2.2 基于三维图像的2D/3D图像配准 (26)

3.3 本章小结 (26)

4 快速数字影像重建的2D/3D医学图像配准 (27)

4.1 数字影像重建算法 (27)

4.1.1 Bresenham直线生成算法 (27)

4.1.2 基于Bresenham直线生成算法改进的光线投射算法 (29)

4.2 空间变换方式的选择 (30)

4.3 相似性测度的选择 (32)

4.3.1 模式强度测度 (32)

4.3.2 基于梯度改进的模式强度测度 (33)

4.4 优化策略的选择 (35)

4.5 图像多分辨率配准策略 (36)

4.6 本文算法流程 (38)

4.7 实验结果及分析 (39)

4.7.1 人体脑部图像配准 (40)

4.7.2 人体股骨图像配准 (41)

4.7.3 结果分析 (43)

4.8 本章小结 (44)

5 总结与展望 (45)

5.1 工作总结 (45)

5.2 工作展望 (46)

参考文献 (47)

在学研究成果 (52)

致谢 (53)

1 绪论

1.1 引言

在临床检测和治疗过程中，医生可以通过多种成像模式得到的图像结合图像配准技术来获得病变区域更全面的信息，从而及时的判断出病人发病情况。尤其是在手术治疗过程中，医生可以通过X射线图像实时的获得病变部位的变化和手术器械的位置，但不能得到病变部位更多的空间信息；通过三维CT图像可以精确的获得病变部位的空间信息，但由于三维图像成像时间较长，在手术过程中并不能够实时的获得。因此，在临床手术过程中，医生可以通过将手术中实时获得的X射线图像和手术前获得的三维CT图像进行配准，来达到精确引导手术进行的目的[1~3]。

1.2 医学图像配准的研究现状

1.2.1 医学图像配准的发展简史

通过查阅充足的国内外文献资料,我们了解了图像配准在医学方面的应用概况,首先我们把图像配准技术应用在医学领域的发展进程大概分为四个阶段，分别是20世纪80年月初、20世纪80年月中后期到90年月初、20世纪90年月中后期、21世纪[4~6]。

20世纪80年代初，在临床诊断领域引入了多种医学成像设备，医生在对所需的医学图像进行分析的过程中，通常需要将患者同一病变区域的多幅图像置于同一坐标系下分析，来获得该患者病变区域更为全面更为准确的信息，以此来提高医学诊疗的技术水平[4~6]。20世纪70年代初,图像配准的问题被美国人提出来并应用在导航系统中，到了80年代初，这项技术被应用到医学领域，此时的医学图像配准技术的核心很大一部分都是基于特征点匹配，第一步先利用自动或者人工的方法选择出图像感兴趣区域中相对明显的解剖结构特征点,比如感兴趣区域中的拐角、轮廓、闭合区域、交叉点、边界等，特征空间就是由这些特征点构成；第二步就是找到参考图像与浮动图像各个特征之间的对应关系,通常采用欧氏距离最小化、迭代最近点法或Chamfer 距离最小化法。此技术在数字减影血管造影领域应用较为广泛，如心脏血管和眼部血管造影。此阶段配准方法具有较高的计算效率，但其限制在于只能对单一模态的图像进行操作，并且第一步特征点提取的是否全面对配准精度也有很大的影响[7,8]。

- 1 -