2D3D医学图像配准研究
分类号：密级：UDC：学号： 010768东 南 大 学硕 士 学 位 论 文2D-3D 医学图像配准研究研究生姓名：梁玮导师姓名： 鲍旭东 教授罗立民教授申请学位级别工学硕士工程领域名称生物医学工程论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人二〇〇四年六月2D-3D REGISTRATION OF MEDICALIMAGEA Dissertation Submitted toSoutheast UniversityFor the Academic Degree of Master of EngineeringBYLIANG WeiSupervised byProf. BAO XudongAndProf. LUO LiminDepartment of Biomedical EngineeringSoutheast UniversityJune 2004东 南 大 学 学 位 论 文 独 创 性 声 明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。
尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
研究生签名：日期：东 南 大 学 学 位 论 文 使 用 授 权 声 明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。
本人电子文档的内容和纸质论文的内容相一致。
除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。
论文的公布（包括刊登）授权东南大学研究生院办理。
研究生签名： 导师签名：摘要论文题目：医学图像配准算法研究研究生姓名：梁玮导师姓名：鲍旭东教授、罗立民教授院校名称：东南大学在计算机辅助外科手术和图像导航外科手术中，图像配准是重要的一环，术前体数据与术中获取的图像间的配准能够给治疗提供实时信息，辅助手术导航。
术中的三维图像不容易获取，一般只能得到二维图像。
虽然这样的图像缺乏三维体数据的空间信息，但是它获取速度快并且能够减少患者和医生暴露在射线中的时间，将术中2D图像与术前体数据配准可以补偿一些空间信息。
本文着重研究了相似性测度在医学图像配准中的应用。
本文首先讨论了数字影像重建技术（DRR）, 并用光线跟踪的方法实现了对CT体积数据的数字影像重建，通过对参数的调整实现了突出骨组织的DRR和包含软组织的DRR，得到了不错的效果，为以后的配准研究做好了重要的准备工作。
然后详细介绍了三种相似性测度：互信息、模式强度、梯度差值，引入了结合下降单纯形的模拟退火算法。
基于前面提到的三种相似性测度，实现了二维图像的配准，为后面的研究奠定了良好的基础。
我们将二维医学图像配准的方法拓展到三维空间，基于三种不同的相似性测度实现了2D-3D医学图像配准，并对实验结果进行了比较和评价，并对模式强度测度进行了改进，在保证精度的前提下，加快了运算速度，得到了比较满意了效果。
关键词：医学图像; 互信息; 模式强度; 梯度差值; 图像配准; 数字影像重建AbstractTitle: 2D-3D registration of medical imageAuthor: LIANG WeiThesis supervisor: Prof.BAO XuDong Prof.LUO LiMinSchool: Southeast UniversityRegistering per-operative datasets to intra-operative image acquisitions can provide up-to-date information at the treatment site, aiding surgical guidance and other interventions. As three-dimensional intra-procedural image acquisition is uncommon in medical institutions, typically only two-dimensional image datasets can be obtained for such purposes. Although these images lack the spatial detail of volumetric data, they have the advantages of faster acquisition time and reduced amount of radiation exposure to both patients and doctors. Ideally, one can recover the advantages of the volumetric data by aligning the intra-operative 2D images with pre-operative volumes.We first discussed digitally reconstructed radiograph(DRR), and produced DRR by casting rays through a CT volume. By adjusting the parameters, we have got good results of two types of DRR images—spine image with no added structures and spine image with soft-tissue overlaid, as was the pre-processing work for image registration.Next, we introduced three kinds of similarity measures, such as mutual information, pattern intensity, and gradient difference; we also present the combined method of simulated annealing and descendent simplicity. Based on the above three similarity measures, we realized registration of two-dimensional images. All this will provide excellent bases for the future research.In this dissertation, we extended the registration of two-dimensional medical images into three dimension, realized the registration of 2D-3D medical images base on three different similarity measures and presented our comparison and evaluation of experiment results. Then we improved on the pattern intensity measure and got some satisfactory results. Experiment results show this improvement will speed up the calculation with the invariance of precision.Key words:medical image, mutual information, pattern intensity, gradient difference, image registration, digitally reconstructed radiograph(DRR)目录摘要 (I)Abstract (II)目录 (III)第一章绪论 (1)1．1 研究的目的与意义 (1)1．2 医学图像配准的分类 (4)1．3 本文内容组织 (5)第二章医学图像配准基本原理 (7)2.1 医学图像配准原理 (7)2.2 几何变换 (7)2.2.1 刚体变换 (8)2.2.2 仿射变换 (8)2.2.3 投影变换 (8)2.2.4 非线性变换 (9)2.3 相似性测度 (9)2.3.1 规一化互相关（Normalized Cross Correlation） (9)2.3.2 差值图像的熵( Entropy of the Difference Image) (10)2.3.3 互信息 (MI，Mutual Information) (10)2.3.4 梯度相关（Gradient Correlation） (10)2.3.5 模式强度（PI，Pattern Intensity） (11)2.2.6 梯度差值（Gradient Difference） (11)2.4 灰度插值 (12)2.4.1 最近临插值方法 (12)2.4.2 三线性插值方法 (13)2.4.3 部分体积插值法 (14)2.5 多参数优化算法 (14)2.5.1 单纯形法 (14)2.5.2 模拟退火算法 (17)2．6 本章小结 (20)第三章数字影像重建技术 (21)3．1 DRR原理 (21)3．2 DRR的应用 (23)3．3 DRR算法的实现 (24)3．4 实验结果与讨论 (25)3．5 本章小结 (26)第四章二维图像的配准 (28)4．1 差值图像（Difference Image）及其熵 (28)4．2 相似性测度 (30)4．2．1 互信息（MI , Mutual Information） (30)4．2．2 模式强度（PI , Pattern Intensity） (32)4．2．3 梯度差值（GD , Gradient Difference） (32)4．3 结合下降单纯形的模拟退火算法 (34)4．4 二维图像配准的实现 (35)4．4．1 MR切片图像配准结果 (36)4．4．2 DRR图像配准结果 (37)4．5 本章小结 (38)第五章 2D-3D医学图像配准 (39)5．1 配准前的准备工作 (39)5．1．1 三维CT体数据的获取 (40)5．1．2 二维图像数据的获取 (41)5．2 2D-3D医学图像配准基本原理及步骤 (42)5．3 基于三种相似性测度的配准结果 (43)5．4 Pattern Intensity（PI）测度的快速算法 (45)5．5 本章小结 (47)第六章总结与展望 (48)6.1 总结 (48)6.2 展望 (49)参考文献 (50)致谢 (54)第一章绪论1．1 研究的目的与意义随着医学成像技术的高速发展，医学图像在现代临床医学中的应用越来越广泛。
基于改进SLNC的2D-3D医学图像配准
重建 。 对不 同位 置和 方 向的重建 图像 ， 针 在灰度 级压 缩 的基础 上 ， 改进 Ｓ ＮＣ函数评 价 其 与ｘ线透视 图像 的 用 Ｌ
相似性 ， 用与Ｂ ｅ ｔ￣ 利 ｒｎｆ 结合 的Ｐ ｗｅｌ ｏ ｌ 优化 方法 ， 索 出相似 性最 大时 的投 影 变换 参数 。 搜 将此 方法 用于移动数 字 Ｘ线投 影设备啊
（． １东南大学影像科 学与技术 实验 室，南京 ２ ０ ９ １０ ６； ２南方医科 大学医学生物 力学实验室 ， 东省 医学生物 力学重点实验 室 ，广州 ５ ０ １ ） ． 广 １ ５ ５
摘 要 ： 绍 了一种 基于 改进Ｓ ＮＣ ｓｍ ｏ ｌｃｌ ｏｍａｚｄｃｒ ｌ ｉｎＳ ＮＣ 的２ ３ 介 Ｌ （ ｆｏａ ｎｒ ｌ ｅ ｏｒ ａｏ ，Ｌ ） Ｄ一Ｄ医学图像 配 准方 法。 ｕ ｉ ｅｔ
准效果 。
Ｂ ｐａ ａ ０ 采集的Ｘ线透视 图像 与相 应Ｃ 体 积数据 的 配准实验 ， 到较好 的２ 一Ｄ图像 配 ｉｌｎ ｒ ０ ５ Ｔ 得 Ｄ３
关键 词 ：Ｄ一Ｄ图像 配准； ２ ３ 数字图像重建 ； 相似性测度 ； 的Ｓ ＮＣ函数 ；Ｐ ｗ ｌ 法 改进 Ｌ ｏ ｅｌ 算
中图分类： ３８ Ｒ１
ｍ ｅ ｕ ｅｔ ｓｉ ａｅｓｍ ｌｒｔ ｅｔ ｅ ｎｓ ｎ ｅ ｃｉ ａ ｅａ ｄｒｄｉｇ ａ ． ｈ ｂ ｄ ｏ ｉ ｚ ｔｏ ｇ ｒｔ ｃ ｍ ｂｎ ｄｂ ｗｅｌａ ｄＢｒ ｎ ， ｓ ｓ ｓ ａ ｒ ｏｅ ｔ ｔ ｉ ａｉ ｂ ｗ ｅ ｙ ｔ ｔ ｍ ｇ ｎ ａ ｏ ｐｈ Ａ ｙ ｒ ｐｔ ｍ ｉ ｙ ｈ ｉ ｒ ｉ ｉ ｍ ａ ｎａ ｏ ｈｍ ｏ ｉｅ ｙＰｏ ｌｎ ｅ ｔＷａ ａ ｏ ｉ ｌ ｉ ｌ
医学图像配准技术的研究与应用
医学图像配准技术的研究与应用一、背景介绍医学图像是指通过医疗设备获取的人体内部信息的图像数据。
医学图像具有不同的模态，例如X光、CT、MRI、PET等。
医学图像配准技术是将多幅不同模态或者同一模态但不同位置的医学图像的空间位置对应起来，在三维空间内的重叠区域进行像素级别的比较和分析，进而为疾病的诊断、治疗和手术提供更准确和可靠的依据。
二、技术原理和方法图像配准技术包含两个基本步骤：对两幅或多幅图像进行几何或者形态变换以使它们在某种度量下相同，并将它们的像素值对齐。
如图1所示，左侧为MRI图像，右侧为PET图像，需要进行配准。
简单的图像配准技术包括：刚性配准、仿射配准和非刚性配准。
1. 刚性配准刚性配准是指图像经过平移、旋转和缩放等变换后相互匹配。
这种方法适用于需要同时解决多种问题的情况。
在医学领域，临床医生可以将不同的模态图像，如MRI和CT，进行刚性配准以实现完整的诊断。
2. 仿射配准仿射配准是指图像的变换被限制在缩放、旋转和平移这三种变换上。
该方法可以对图像进行透视变换，同时实现对医学影像的重建。
这种方法也常常被用来对不同部位的医学影像进行配准。
3. 非刚性配准非刚性配准是指对图像进行弹性变换，使得各部分的空间位置均相匹配。
可以通过非刚性配准技术将MRI和PET图像进行配准，实现对人体细胞分布的更为详尽的观察和分析。
非刚性配准技术在肺、脑、心脏等部位的图像配准中被广泛应用。
三、技术应用医学图像配准技术已经成为临床医疗中重要的工具。
以下是该技术在不同领域的应用：1.临床医学在生物医学领域，医学影像配准技术可以帮助医生更好地理解人体结构，从而提供更加全面的临床诊断和治疗方案。
医学影像配准技术在眼科、神经学、心血管学、肿瘤学等领域中得到广泛应用。
2.手术辅助医学影像配准技术可以在手术之前通过预测患者的病情帮助医师制定更好的决策，使患者更好地理解和接受手术治疗。
手术过程中，医学影像配准技术可以帮助医生更好地定位病变组织，为手术提供更准确的操作。
骨科手术导航中2D3D医学图像配准的应用研究
骨科手术导航中2D3D医学图像配准的应用研究在骨科手术中，准确的导航和图像引导至关重要。
近年来，随着医学图像技术的发展，2D和3D图像配准技术逐渐成为骨科手术导航中的重要手段。
本文将对2D3D医学图像配准的应用研究进行探讨和分析，并分析其在骨科手术导航中的意义和优势。
1. 引言骨科手术是一项高度复杂和精确的手术过程，需要医生准确诊断及操作。
然而，仅仅依靠医生的经验和直观的2D图像，难以全面了解患者的病情。
因此，引入3D医学图像和2D3D图像配准技术成为解决这一问题的有效方法。
2. 2D3D医学图像配准的原理2D3D医学图像配准是将2D图像与3D图像进行对应，实现二者之间的准确匹配。
其原理主要包括特征提取、特征匹配和变换估计三个步骤。
首先，从2D图像和3D图像中提取关键特征；其次，通过特征匹配算法找寻2D图像和3D图像中的共同特征点；最后，利用变换估计算法计算出2D图像和3D图像之间的几何变换关系。
3. 2D3D医学图像配准的优势3.1 提高手术导航的精确性通过2D3D医学图像配准，医生可以将2D图像与3D图像进行对齐，从而实现精确定位和引导。
这使得医生在手术前能够更加准确地评估患者的病情，并在手术过程中实时跟踪和修正。
相比传统的2D图像导航，2D3D图像配准能够提高手术导航的准确性和安全性。
3.2 增加术中可视化信息利用2D3D医学图像配准，医生可以同时观察2D图像和3D图像，从而获得更多的术中可视化信息。
这有助于医生更好地了解患者的解剖结构，减少手术中的风险和并发症。
通过术中可视化信息，医生能够更好地规划手术路径，准确实施手术操作。
3.3 优化骨科手术结果利用2D3D医学图像配准技术，医生可以更好地评估手术的结果。
术前的2D图像与术中的3D图像进行配准，可以在手术结束后对手术结果进行验证和比对。
这有助于医生评估手术的有效性和手术效果，并为术后患者的康复提供参考。
4. 2D3D医学图像配准的应用案例4.1 脊柱手术导航在脊柱手术中，2D3D医学图像配准可以帮助医生准确定位手术钢板的位置，并辅助手术导航。
骨科手术导航中2D--3D医学图像配准的应用研究
Ⅳ
硕士学位论文
科临床手术导航应用中的实时性要求。 最后，我们对本文工作进行了分析与总结，并对未来的工作进行了展望。
关键字：骨科手术导航２Ｄ一３Ｄ医学图像配准相似性测度数字重建影像ＣＵＩ）Ａ
Ｖ
硕士学位论文
Ｒｅｓｅａｒｃｈ
ｏｎ
２Ｄ一３Ｄ
ＭｅｄｉｃａｌＩｍａｇｅ
Ｒｅｇｉｓｔｒａｔｉｏｎ ｉｎ ｏｒｔｈｏｐｅｄｉｃ Ｓｕｒｇｉｃａｌ
它将术前的3d体数据与术中的2d图像数据进行配准通过追踪器的定位追踪临床医生将得到一个实时的手术器械相对患者病灶的三维空间位ii硕士学位论文置关系弥补了因采用只具备二维平面信息的x线图像进行术中引导而缺失的三维医学影像信息临床医生方可精确安全地进行手术
南方医科大学２０１１级硕士学位论文
骨科手术导航中２Ｄ．３Ｄ医学图像配准的应用研究
ＮａＶｉｇａｔｉｏｎ
Ｎａｍｅ：Ｂｏｂｏ Ｌｕｏ ＳｕｐｅｒＶｉｓｏｒ：Ｐｒｏｆ
Ｑｉ踟巧ｉｎ
Ｆｅｎｇ
ＡＢＳＴＲＡＣＴ
ＩＩｌ
ｃｌ洫ｃａｌ ｓｕ玛ｅⅨｏｒｔｈｏｐｅｄｉｃ
ｓｕ玛ｅ巧ｉｓ
ａ
ｋｉＩｌｄ
ｏｆ ｌｌｉｇＭｙ
ｒｉｓｋｙ
ｓｕ玛ｅⅨ
Ｔ｝ａｄｉｔｉｏｎａｌｌｙ，ｃｌｉＩｌｉｃｉａｎｓ
ａｓｓｅｓｓ也ｅ ｐａ乏ｉｅｎｔ－ｓ ａｎａｔｏｍｉｃａｌ汤ｆ．ｏｎｎａｔｉｏｎ ｄ１】ｒｉｎｇ ｓｕ玛ｅ巧
ｉｎ
ｏｒｔｈｏｐｅｄｉｃ
ｎａｖｉｇａｔｉｏｎ
ｔｅｃｌｌｌｌ０１０９ｙ ｅｍｅ昭ｅｓ ｓｍｏｏ也ｌｙ
ｐｒａｃｔｉｃａｌ印ｐｌｉｃａｔｉｏｎｓ．Ｉｔ ｉｓ
ｒｅｓｌｌｌｔｓ ｏｆ ｃｏｍｍｏｎ ｄｅＶｅｌｏｐｍｅｎｔ丘’ｏｍ
ｃｌ越ｃａｌ
医学图像配准技术研究及其应用
医学图像配准技术研究及其应用医学图像配准技术是指将多幅医学图像进行对齐与重合，以实现更好的医学图像分析和应用。
随着医学成像技术的不断发展和应用，医学图像配准技术也越来越成为医学图像分析和诊断中必不可少的技术之一。
本文将从医学图像配准技术的基本原理、现有的主要方案、应用及未来发展等多个方面进行探讨。
一、医学图像配准技术的基本原理医学图像配准技术的基本原理是将多幅具有相似解剖结构的医学图像进行对齐，实现重合，使得医学图像的解剖学、生理学和病理学等方面信息吻合。
医学图像配准技术的基本假设是：对于同一个人的不同时期或不同成像设备采集的图像，其解剖结构应该是相似的。
基于此假设，医学图像配准技术通常包括以下两个步骤：1.特征提取：从不同的医学图像中提取出具有相同、相似或相关解剖结构的特征，并将其关联在一起，形成一个统一的特征向量。
2.匹配和变换：根据提取出的特征向量，通过一定的匹配算法将不同的医学图像进行对齐和变换。
二、现有的主要方案目前，常用的医学图像配准技术方案主要包括以下几个：1.基于体素的医学图像配准技术：这种技术是将医学图像表示为三维点阵形式，然后将其对齐和变换。
该方法的优点是其健壮性、快速性和准确性。
然而，由于这种方法需要处理三维点阵，因此其计算复杂度比较高。
2.基于特征点的医学图像配准技术：这种技术是首先在医学图像中检测出一些关键点，然后将这些关键点匹配到另一幅医学图像上，最终完成图像的对齐。
该方法的优点是它对图像的几何形状较为鲁棒。
然而，由于该方法过于依赖特定的图像特征，因此其适用范围较窄。
3.基于深度学习的医学图像配准技术：近年来，由于深度学习在图像处理中的成功应用，它在医学图像配准中也逐渐受到了重视。
通过深度学习模型进行自动特征提取和匹配策略，可以使得医学图像配准的准确性和效率得到进一步提高。
三、医学图像配准技术的应用医学图像配准技术的应用主要包括医学图像分析、疾病诊断和手术规划等多个方面。
医学图像配准与三维重建算法研究
医学图像配准与三维重建算法研究一、引言医学图像配准与三维重建算法是医学影像处理领域的重要研究内容。
医学影像配准是指将来自不同时间点或不同成像方式的医学图像对齐，以便进行准确的比较和分析。
而三维重建算法则是将医学图像中的二维数据转换为三维模型，提供更全面准确的解剖结构信息。
本文将深入探讨医学图像配准与三维重建算法的原理与应用。
二、医学图像配准算法1. 刚体配准算法刚体配准算法主要用于对齐具有相同解剖结构的医学图像，例如脑部MRI图像。
其基本思想是通过寻找最佳的旋转和平移参数，使得源图像与目标图像在空间中重叠最好。
常用的刚体配准算法包括最小二乘法、互信息和归一化互相关等。
2. 非刚体配准算法非刚体配准算法适用于不具备完全相同解剖结构的医学图像，例如乳腺X射线图像。
非刚体配准的核心问题是如何建立非刚体变形模型，以便实现图像间的配准。
常用的非刚体配准算法包括基于物理模型的有限元方法、基于统计学习的变形模型和基于图像特征的配准方法等。
三、医学图像三维重建算法1. 体绘制算法体绘制是一种常用的三维重建方法，它通过将医学图像中的二维切片堆叠起来，形成一个立体的体积数据。
体绘制算法包括体绘制技术、体绘制的分类和体绘制的应用。
在体绘制的应用方面，通过3D模型的可视化，医生可以更好地理解病变的形态和位置。
2. 表面重建算法表面重建算法主要用于对医学图像进行三维网格化，以生成真实的解剖结构模型。
表面重建算法包括基于体素的方法、基于点云的方法和基于曲面拟合的方法等。
这些方法可以将医学图像中的信息进行提取和处理，得到更具几何形态的三维表面模型。
四、医学图像配准与三维重建的应用医学图像配准与三维重建在临床医学和医学研究中有广泛的应用价值。
例如，在手术导航中，医生可以将术前的图像与实际手术时的图像进行配准，以帮助手术操作。
在肿瘤定位和治疗方面，三维重建可以提供更加准确的肿瘤形态和位置信息，使得肿瘤的切除和放疗更加精确。
此外，医学图像的配准与三维重建还可以在病理分析、医学教育和科学研究等领域发挥重要作用。
医学影像处理中的图像配准与三维重建算法研究
医学影像处理中的图像配准与三维重建算法研究一、引言医学影像处理是医学领域中非常重要的研究方向之一。
随着计算机技术和图像处理算法的进步，医学影像处理已经成为医学诊断、治疗和研究的重要手段。
其中，图像配准和三维重建算法在医学影像处理中起着关键作用。
本文将对医学影像处理中的图像配准和三维重建算法进行研究。
二、图像配准图像配准是将两个或多个图像的特征点对应起来，使得它们在空间中对齐的过程。
医学影像中的图像配准主要用于多模态图像的对比、时间序列图像的比较以及不同患者的图像对齐等方面。
常见的图像配准方法包括特征点匹配、互信息、相位相关和弹性配准等。
特征点匹配是根据图像中的特征点进行配准，但对于相似性低的图像，往往无法找到足够的特征点。
互信息是一种常用的图像配准方法，它通过计算图像之间的相似性来实现配准。
相位相关是一种非常高效的图像配准方法，它通过计算图像的相位信息来实现配准。
弹性配准是一种更加灵活的图像配准方法，它可以对图像进行形变，从而实现更加精确的配准。
三、三维重建三维重建是将多幅二维图像恢复成三维模型的过程。
在医学影像处理中，三维重建可以用于构建人体器官模型、定位病变区域以及进行手术模拟等。
常见的三维重建算法包括立体匹配、体素构建和深度学习等。
立体匹配是一种基于多视图图像的三维重建方法，它通过对多幅图像的特征点进行匹配来恢复三维结构。
体素构建是一种将二维图像转换成三维体素表示的重建方法，它通过对图像中的像素进行分析和插值来实现三维重建。
深度学习是一种基于神经网络的三维重建方法，它通过学习大量的图像数据来恢复三维结构，具有较好的鲁棒性和准确性。
四、算法研究针对医学影像处理中的图像配准和三维重建问题，研究人员提出了许多优秀的算法。
对于图像配准，研究人员通过改进特征点提取和匹配算法，提高了配准的准确性和鲁棒性。
例如，SIFT算法可以提取出稳定的尺度不变特征点，并通过RANSAC算法进行匹配和筛选，达到较好的配准效果。
基于投影近似不变性的3D-2D医学图像配准
［ ｙｗｏ ｄ ！Ｍｅ ｉａｉ ｇ ｇｓａｉｎ Ｎｅｒ ｒｊｃｉｎｉｖｒ ｎｅ ３ ２ ｅｉ ｔ ｎ Ｋｅ ｒ ｓ ｄｃｌｍａ ｅ ｅｉｔ ｔ ； ａ ｏｅｔ ａｉ ｃ ；Ｄ一Ｄ ｒｇｓ ｉ ｒ ｒ ｏ ｐ ｏ ｎ ａ ｕａ ｏ
ｌ概 述
近年来 ，随着计算机和数字 图像处理技术 的飞速 发展 ，
ｃ ｓ ｆｎｔ ｎｂｔ ｅ ｎｔｅｐｏｅｔ ｎ ｅ ｎｄ ｔｅｖｅ ｎ ｌ ｃｎｔｅ ｅｏ ｔｉｅ ｈｏ ｇ ｘｍｉｉｇｔｅｃ ｓ ｆｎｔ ｎｕｉｇＮ ｗｔｎｉ ｒｔ ｎ ｏｔ ｕｃｉ ｅｗ ｅ ｒｊｃｉ ｓｓｄ ｆ ｅ ，ｈ ｉｗ ａｇｅ ａ ｈｎｂ ｂａｎ ｄｔｒｕ ｈｍａ ｉ ｚ ｏｔ ｕｃｉ ｓｎ ｅ ｏ ｅａｉ ｏ ｈ ｏ ｉ ｉ ｎ ｈ ｏ ｔ ｏ
维普资讯
第 ３ 卷 第 ｌ 期 ２ ７
Ｖ１２ ｏ． ３
・
计
算
机
工
程
２０ 年 ９月 ０６
Ｓ ｐ ｅ ｂ ｒ２ ０ ｅ ｔｍ ｅ ０ ６
脑
１７
Ｃｏ ｐ ｔ ｒＥｎ ｉ ｅ ｒｒ ｍ ｕ ｅ ｇｎ ｅ ｉ ｇ ￣
博士论文 ・ ຫໍສະໝຸດ 文 编 ｔ ００ ３ ８０ ）— ０２ ０ 章 号 ０＿ ４ （０ ｌ ０ ． ３ 文 标识 ｔ ｌ － ２２ ６ ７ ２ — － 献 码 Ａ
［ ｂ ｔａｔ ｈ ｇｓ ａｉｎｂ ｔ ｅ Ａａ ｄＤＳ ｆ ａ ａｉ ｔｓ ｔｄｅ ｈｓ ａ ｅ． ｈ ｅｉ ｒｔ ｎａｇ ｒｈ ａｅ ｎｎ ａ ｐｏｅｔ ｎ Ａ ｓ ｃ］Ｔ ｅｒ ｉｒｔ ｅｗｅｎＭＲ ｎ Ａｏ ｓｍｅｐ ｔ ｎ ｕ ｉｄｉ ｔｉｐ ｐ ｒＴ ｅｒｇｓａｉ ｌｏｉ ｍ ｂ ｓｄｏ ｅｒ ｒｊｃｉ ｒ ｅ ｔ ｏ ａ ｅ ｉｓ ｎ ｔ ｏ ｔ ｏ ｉｖ ｒ ｎｅｉｐｅｅｔｄ ｉ ．ｈ ｒｊｃｉｎｏ Ｄ ＭＲＡｓｅｅｏ ｈ ｕｄａｃ ｒ ｔ ｅ２ Ａ ｓｅｅｏ ｎ ｅ ｅｓｍｅ ｅｓｅｔ ｅｖｅ ． ｆ ｒｈ ｎ ａｉ ｃ ｒｓｎｅ ．． ｔｅ ｏｅｔ ｆ ａ ｓ ｅ ｐ ｏ ３ ｋｌｔｎｓｏ ｌ ｃ ｏｄｗｉ ｔ Ｄ ＤＳ ｋ ｉ ｎｕ ｄ ｒｈ ａ ｒｐｃｉ ｉｗ Ａ ｔ ｅ ｈｈ ｔ ｔ ｐ ｖ ｅｔ
医学图像配准技术及其应用研究
医学图像配准技术及其应用研究医学图像是现代医学中不可或缺的重要角色。
然而，由于医学图像的采集方式的不同以及不同设备之间的差异，不同图像存在着轻微的形变与旋转。
为了利用这些图像进行后续研究，一种称为图像配准（image registration）的技术应运而生。
本文将对医学图像配准技术及其应用进行介绍。
一、医学图像配准技术医学图像配准涉及将多幅医学图像及其特征点进行对应定位，使其具有相同的坐标系。
多幅医学图像被叠加在一起后，可以获得更全面的解剖学信息。
因为这些图像共享相同坐标系，所以医生或研究人员可以通过覆盖或叠加这些图像来确定感兴趣的区域。
医学图像配准技术有多种形式，下面介绍其中的三种。
1. 点对配准点对配准是一种简单的方法，用于匹配参考图像和目标图像之间的特征点。
对于点对配准技术，需要先选取多幅图像中的相同的特征点，然后再通过这些特征点的对应关系进行配准。
在这个过程中，配准了两个点之后，就可以基于它们的差异来计算运动方向，然后在参考图像的相应位置进行图像配准。
2. 基于特征的配准基于特征的配准使用计算机视觉技术，在两幅图像之间找到共同的特征点。
这种方法优点在于，可以不必选取参考与目标图像中的特征点。
相反，它会自动找到两幅图像中的共同特征并将其匹配。
基于特征的配准需要三个步骤：检测特征点、描述这些特征点，最后匹配这些特征点。
3. 基于变形的配准基于变形的配准是一种自动图像配准的方法，它可以适应较大的图像变化。
配准过程中，先将目标图像与参考图像进行粗略的配准，然后在细化的配准过程中，使用二维（2D）或三维（3D）变形模型进行改进。
现在，基于变形的配准应用广泛，并能够处理复杂的图像变形。
针对基于变形的框架，有多种算法可供选择：流水线、弹性体和视觉刚体等。
二、医学图像配准的应用医学图像配准技术不仅适用于医学图像的两种模态之间的配准，而且还可以用于区域提取、融合、分割和对齐。
下面列举了几个医学图像配准在医学科学中的应用研究。
2D-3D医学图像配准临床数据集标定结果的分析与评价
２Ｄ － ３Ｄ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｄａｔａｓｅｔｓ；ｉｎ ａｄｄｉｔｉｏｎ，ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｍｅｔｒｉｃ ｅｖａｌｕａｔｉｏｎ ｉｓ ａｌｓｏ ａｎ ｅｆｆｅｃｔｉｖｅ ｗａｙ
ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｔｈｅ ｃａｌｉｂｒａｔｉｏｎｓ． Ｔｈｅ ｍａｉｎ ｒｅａｓｏｎ ｗａｓ ｔｈａｔ ｔｈｅ ｃａｌｉｂｒａｔｉｏｎ ｖａｌｕｅｓ ｏｆ ｅａｃｈ ｇｒｏｕｐ
ｗｅｒｅ ｃｌｏｓｅ，ａｎｄ ｍｏｄｅ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｔｈｅ ＤＲＲ ｉｍａｇｅｓ ａｎｄ Ｘ⁃ｒａｙ ｉｍａｇｅｓ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔ． Ｃｏｎｃｌｕｓｉｏｎｓ Ｉｔ ｃａｎ
准模型的性能 ［３］ 。 体模数据集则是利用人或动物
标本的某个部位作为体模构建的标准数据集，此类
确性评估等挑战。 通过准确性评估，才可以提高配
数据集机体组织单一，与临床所采集的患者数据有
准技术的可靠性和应用性，推进临床应用进程；也可
明显不同。 由于体模的静态特征，从而容易获得比
以指导算法的选择和改进，以及促进学术交流和知
作者单位：１ 中国石油大学（ 北京） 信息科学与工程学院（ 北京
１０２２４９）
２ 首都医科大学附属北京安贞医院－北京市心肺血管
疾病研究所（ 北京 １０００２９）
通信作者：舒丽霞。 Ｅ⁃ｍａｉｌ：ｌｉｘｉａ ｓｈｕ＠ ｈｏｔｍａｉｌ ｃｏｍ