基于加权互信息的多模图像配准算法
生物医学工程中的多模态图像配准算法研究
生物医学工程中的多模态图像配准算法研究1. 引言随着生物医学图像数据的迅猛增长，多模态图像配准成为了生物医学工程领域中一个重要的研究方向。
多模态图像配准是指将来自不同模态的图像进行空间上的对准，以便进行进一步的分析和挖掘。
本文将对生物医学工程中的多模态图像配准算法进行深入研究。
2. 多模态图像配准的意义多模态图像配准在生物医学工程领域中具有重要的意义。
首先，不同模态的图像可以提供互补的信息，通过对不同模态的图像进行配准，可以将这些信息融合起来，使得图像的信息更加完整和准确。
其次，多模态图像配准可以有效地进行病灶检测和分类。
通过将来自不同模态的图像进行配准，可以更好地辅助医生进行病灶的定位和诊断。
最后，多模态图像配准可以在手术导航中发挥关键作用。
通过将来自不同模态的图像进行配准，可以更准确地指导手术，提高手术的安全性和成功率。
3. 多模态图像配准的挑战多模态图像配准面临着一些挑战。
首先，不同模态的图像在像素分辨率、图像强度和对比度等方面具有较大的差异。
这些差异给图像配准带来了一定的困难。
其次，多模态图像往往存在变形和缺失等现象，这也增加了图像配准的难度。
此外，多模态图像配准需要在保持图像的准确性的同时尽量减小配准过程中引入的变形和伪影。
4. 多模态图像配准算法4.1 基于特征的配准算法基于特征的配准算法是多模态图像配准中常用的一种方法。
该算法通过提取图像的特征点，并将这些特征点进行匹配，从而实现图像的配准。
常用的特征包括角点、边缘和纹理等。
该算法具有计算效率高、鲁棒性强的优点，但在特征提取和匹配过程中对图像质量和噪声具有一定的依赖性。
4.2 基于互信息的配准算法基于互信息的配准算法是一种广泛应用的多模态图像配准方法。
该算法通过计算不同图像之间的互信息来度量它们的相似性，并利用优化方法将图像进行配准。
该算法具有较好的鲁棒性和准确性，但计算复杂度相对较高。
4.3 基于形变场的配准算法基于形变场的配准算法是一种通过构建形变场来实现图像配准的方法。
基于互信息的医学图像配准中的优化算法的改进
Ｅ－ｍａｌ ｅ ｆ Ｃ Ｃ ．ｅ ．ｎ ｉ： ｄｕ ＠ Ｃ Ｃｎ ｔｃ
Ｃ ｍｐ ｔｒ ｎｗｅｇ ｎ ｅｈ ｏｏｙ电脑 知 识 与技术 ｏ ｕｅ ｏ ｌｄｅａ ｄＴ ｃｎ ｌ Ｋ ｇ
Ｖｏ ．， ．６ Ｊ ｎ ０１ ． １８ Ｎｏ１ ， ｕ ｅ２ ２
摘要 ： 究 了基于互信息测度的 医学图像配 准方 法， 出了一种优化算 法的改进 。 目的 旨在 于解决配准的精 度和在基于互信 息配 研 提 准过 程 中的效率 问题。提 出的优化算 法是将拟 牛顿方法运用于 多模 医学图像配 准中。实验 结果说 明这种改进的方法能有效提 高
配准的精度和效率 问题 ， 并得到好的实验 效果 。
Ｕｎｖ ｒ ｔ ， ａ ｇｈ ｕ ５ ０ ０ ， ｉａ ｉｅ ｉ Ｇｕ ｎ ｚ ｏ １ ０ ６Ｃｈｎ） ｓｙ
Ａｂ ｔａ ｔ ｓｒ ｃ：Ｔｈｓｐ ｐ ｒｐ ｅｅ ｔ ａｎ ｖ ｌＯｐｉ ｚ ｄｍｅｈ ｄｆｒｍｅ ｉａ ａｅｒｇｓ ａｉｎ ｔｅｐ 印 ｏｅｉ ｔ ｏｖ ｒ ｂｅ ， ｉｈ ａｅ ｔｅ ｉ ａ ｅ ｒｓｎｓ ｏ ｅ ｔｍｉｅ ｔｏ ｏ ｄｃｌｍ ｇ ｅ ｉ ｒｔ ， ｈ ｕ ｓ ｓ ｏ ｓｌｅｐｏ ｌｍｓ ｗｈｃ ｒ ｈ ｉ ｔ ｏ
１ 熵 与 互信 息 ． １
熵是信息论 中的一个概念 ， 是系统复杂性和不确定性 的测度 。香农在 １４ 年提 出了熵 的概念 ， 以度量通信过程 中心信息源 ９８ 用
ｗｈｃ ｅ ｅ ｐ ｒｃ ｉ ｎｏ ｒｇ ￣ ｉｎ ｃｎ ｓｌ ｅ ｒｂｅ ｏ ｈ ｇ ａ ｕａ ｏ ， ｎ ｈｅ ｅ ｏ ｄｅ ｅ ｔ ｉ ｄ ｖ ｌ ｓ ｅ ｉｏ ｆ ｅ ｓ ｏ ， ａ ｖ ｔ ｏ ｌ ｈ ｏ ｐ ｓ ｉ ｏ ｅｈ ｐ ｍ ｆ ｕ ｅｃ ｃ ｌ ｉｎ ａ ｄ ｃ ｉ ｏ ｃ ． ｌ ｔ ａ ｖ ｇ ｆ ｓ
自适应指数加权互信息配准医学图像的测度及相应算法
・
１６・ ３
《 物 医学 工程 学进展 ｝０８年 第 ２ 生 ２０ ９卷第 ３期
研 究论著
自适 应 指 数 加 权 互 信 息 配 准 医 学
图像 的测 度及 相应 算法 木
陈 芳 ，张建秋 ， 胡 波
复旦 大学电子 工程 系 （ 海 ２ ０ ３ ） 上 ０ ４ ３
换， 使待配准的两 幅图像 的对应点达到 空问位置 和解
不需要对图像进行分割或其他预处理， 已经广泛应用
它作 为医学和遥感等图像配准 ห้องสมุดไป่ตู้相 似性测 度 ， 于该 基
测度 的互信息配准方法 ， 目前公认较 好 的配准 方法 是 之一 【４。但 互信 息并 不是完 美 的 ， 多 文献 证 明互 ３］ ． 很
平滑性 ； 而指数 的权值则可 以通过评估待配准图像 的质 量和分辨率 大小来 自适应确定 。仿真实 验结果在验证 分析结 果的同 时也表明， 基于本文 Ａ ＷＭＩ Ｅ 测度 的配准方案 ， 图像噪声 、 对 分辨率差异 等有 较高 的鲁棒性 ， 且可有效地提高配准 的成功率 。
【 关键词】 医学 图像配准 ； 互信 息； 自适应指数加权
【 ｅ ｒｓ Ｍ ｄ ａ ｉａｅ ｅ ｓａ ｏ ； ｕ ａ ｉｏ ａｏ ； ｄｐｖ ｐｎｎａ ｗ ｉ ｔ Ｋｙ Ｗｏｄ 】 ｅｉ ｇ ｇ ｔ ｔｎ Ｍ ｔ ｒ ｔｎ Ａ ａｔｅ ｘｏｅｔ ｅ ｈ ｄ ｃ ｍ ｒ ｒｉ ｌ ｉ ｕ ｎ ｍ ｉ ｌｆ ｉ ｅ ｉ ｌ ｇｅ
０ 引言
信 息作 为相似性测度存在着鲁棒性 问题 ： 这是 因为互
剖位置的完全一致。而使其达到完全一致的评判标 准就是待配准两幅图像之间的某种相似性测度。这
信息是基于 图像灰度统计量 ， 当图像 分辨 率较低 或者 存在 噪声干扰 时 ， 互信 息测度 曲线 存 在 局部 极 值点 ，
基于互信息的医学图像配准中的优化算法
但 遗 传 算 法 存 在 着 明 显 的缺 点 ， 在 经 常 实验 的 传统 遗 传算 法 的进 化 即 从 医学图像配准（ｅ ｉａ ｉ ｇ ｅｉｒｔ ｎ与 图像 融合技术是 近年 过 程 中 ，交 叉 算 子 产 生 新染 色体 的能 力 和 种 群 的多 样 性 不 断降 低 ， ｍ ｄｃｌｍａｅｒｇ ｔ ｉ ） ｓａｏ 出现 “ 早 收 敛 ” 过 问题 。 文献 ［ 用 一 种改 进 的 自适 ８ １ 采 来 在 医 学 图像 处 理 领 域 中 的热 门研 究 方 向之 一 。 图像 配 准是 图像 融 合 而 容易 陷入 早 熟 ， 对 很 过 和 进 行 多模 态 图像 分 析 的 基本 问题 。近 年 来 ， 学 图 像 配 准 技 术 有 了 应 遗 传 算 法 ， 医学 图 像 进 行 配 准 ， 好 的 克 服 了遗 传 算 法 “ 早 收 医
能够记 住搜索过程中遇到 的最好 结果 ， 当退 火结束时 ， 将所得最终解 ＩＡ， ＝ Ａ） 日（ 一 Ａ， ＝ （ Ｂ） 日（ ＋ Ｂ） Ｈ（ Ｂ） 日 Ｔ 在 医学 图像 配 准 中 ．虽 然 两 幅 图像 可 能 来 自不 同的 成 像 设 备 ， 但 与 记 忆 器 中 的 解 比较 并 取 较 优 者 作 为 最 后结 果 。并 用该 法 对 Ｃ 和
新 的 进 展 ， 大 互 信 息 法 是 目前 应 用 较 多 的 一 种 方 法 ， 配 准 精 度 一 敛 ” 问题 ， 得 了 良好 的效 果 最 其 的 取 ３４模 拟 退 火 法 简 称 Ｓ 法 ， 受 到 固体 退 火 过 程 的 启 发 而提 出 ， Ａ 是 般高于基于分割的方法 ， 由于 该 方 法 不 需 要 对 图 像 做 分 割 、 征 处 理 特 等 预 处 理 ， 乎 可 以 用 于 任 何 不 同模 式 图 像 的 配 准 ． 具 有 较 强 的 鲁 的 一种 全 局 优 化 方 法 ， 拟 退 火 算 法 在 某 一 初 温 下 ， 用 具 有 概 率 突 几 并 模 利 ｔ ｏｉ ｏ ｓ 伴 棒 性 。但 是 最 大 互 信 息 的 计算 涉及 大 量 的 浮 点 运 算 ， 配 准 过 程 复 杂 跳 特性 的 Ｍｅｒｐ ｌ 抽 样 策 略 在 解 空 间 中进 行 随 机 搜 索 ， 随 温 度 的 其
多模医学图像配准方法毕业设计
多模医学图像配准方法设计摘要现代医学经常过使用到图像进行辅助诊断，而一种成像设备得到的图像无法完全获取所有的信息，这就需要多幅图像进行配准融合，得到全新的更全面的图像。
本文提出一种基于互信息的方法，对两幅CT和MRI脑部图像进行配准，意在能精确快速得对双模医学图像进行配准。
首先是读取图像的灰度信息，设定一个配准的初始点，得到两幅图像的联合直方图，然后计算两幅图像的互信息值，输出互信息值和配准的参数，对比多次输出的互信息值大小，得到最佳的配准参数。
配准完成后，利用基于小波变换的方法对两幅图像进行融合处理，输出融合后的图像。
实验结果证明，此算法能有效得得到最佳配准参数和融合后的图像，配准精度能达到亚像素级，符合配准的基本要求。
关键词：医学图像，图像配准，互信息，图像融合IThe design of Multimodality medical image registrationmethodAbstractModern Medicine often been used to image the auxiliary diagnosis, an image obtained from an image forming apparatus is unable to fully obtain all the information registration fusion, which requires a plurality of images to obtain a more comprehensive image. This paper presents a method based on mutual information of two CT and MRI brain image registration, intended to be able to accurately and quickly was the dual-mode medical image registration.First, read the image gray, set the initial point of a registration, the joint histogram of the two images, and then calculated the value of the mutual information of the two images, the output mutual information and the registration parameters, contrast times the output value of the mutual information size, get the best registration parameters. After the completion of the registration, the use of the two images based on wavelet transform method fusion, fusion of the output image.Experimental results show that this algorithm can effectively get the best registration parameters and image fusion, registration accuracy can achieve sub-pixel level, in line with the basic requirements of registration.Keywords: Medical imaging, image registration, mutual information，Image fusionII目录摘要 (Ⅲ)Abstract (II)1 绪论 (1)1.1选题的背景、意义 (1)1.2相关研究的最新成果及国内外研究现状 (1)1.3基于互信息配准方法的研究进展 (3)1.4本文结构 (4)2数字医学图像的基础理论 (5)2.1图像配准方法的分类 (5)2.2医学图像配准的基本步骤 (6)2.3最大互信息法的介绍 (7)2.4图像配准的评估指标 (9)2.5图像配准的主要难点 (10)2.6图像融合的主要方法和要求 (11)2.6.1图像融合的方法 (11)2.6.2图像融合的基本要求 (11)2.6.3图像融合的评测 (11)3 CT/MRI双模医学图像的配准融合 (12)3.1CT图像和MRI图像的成像原理及特点 (12)3.1.1 CT图像的原理及特点 (12)3.1.2 MRI图像的原理及特点 (12)3.2 配准方法 (13)3.3融合方法 (13)3.4 图像配准融合的实现 (13)3.5 基于互信息配准算法总结 (16)3.6 基于小波变换的融合方法的总结 (18)4总结与展望 (22)4.1总结 (22)4.2展望 (22)参考文献 (24)致谢 (26)III附录 (26)附录1 图像配准M文件 (26)附录2 图像配准子程序 (26)附录3 优化算法代码 (28)IV多模医学图像配准方法设计1 绪论1.1选题的背景、意义近年来,随着计算机科学和信息技术的不断发展，医学成像技术也得到了迅速发展。
基于互信息的图像配准技术研究毕业论文
基于互信息的图像配准技术研究毕业论文目录第1章绪论 (1)1.1 研究背景 (1)1.1.1 应用价值 (1)1.1.2 研究概况及发展趋势 (1)1.2 本文研究内容 (2)第2章图像配准 (4)2.1 图像配准的基本过程 (4)2.2图像配准方法的分类 (5)2.3 主要的图像配准方法 (7)2.3.1 基于特征的配准方法 (7)2.3.2 基于灰度的配准方法 (7)2.4 本章小结 (8)第3章互信息在配准中的应用 (9)3.1 互信息的概念 (9)3.1.1 熵 (9)3.1.2 互信息 (11)3.2 基于互信息的配准 (11)3.2.1 互信息配准的基本步骤 (11)3.2.2 MATLAB平台中互信息的配准 (12)3.3 本章小结 (13)第4章互信息图像配准的技术 (14)4.1 插值技术 (14)4.1.1 最近邻插值法 (14)4.1.2 三线性插值法 (15)4.1.3 部分体积分布插值法 (16)4.2 出界点处理 (18)4.3 灰度级别对配准的影响 (18)4.4 优化算法 (20)4.4.1 引言 (21)4.4.2 Powell法 (21)4.4.3 遗传算法 (22)4.4.4 遗传-模拟退火混合优化算法 (26)4.4.5 蚁群算法 (28)4.5 本章小结 (31)结论 (33)参考文献 (34)致谢 (36)第1章绪论1.1 研究背景1.1.1 应用价值随着图像信息的需求日益强烈，近二十年来，图像融合的研究蓬勃兴起，成为图像处理的一大热点。
在实际应用中，单一模态的图像往往不能提供所需要的足够的信息,通常需将不同模态的图像融合在一起，得到更丰富的信息以便了解综合信息。
然而不同模态的图像会出现成像原理不同、分辨率不同、灰度属性不同等情况，图像间并不存在简单的一一对应关系。
为了能将不同模态图像中的信息融合在一起，就必须首先进行图像配准。
图像配准是图像分析和处理的关键步骤，在遥感图像处理、医学图像处理、计算机视觉和模式识别等领域得到广泛应用。
医学影像处理中的图像配准算法实现技巧
医学影像处理中的图像配准算法实现技巧医学影像处理在现代医学诊断中起着至关重要的作用。
而图像配准作为其中重要的一环，是将不同影像之间进行准确的位置、尺度和方向的对齐，以实现医学影像的比较、融合和分析。
本文将介绍医学影像处理中的图像配准算法实现技巧。
一、图像配准概述图像配准是指将一组图像中的目标物体进行精确定位和对齐。
医学影像处理中的图像配准旨在准确地比较不同时间点或不同影像模态的医学图像，以便更好地追踪疾病的进展和评估治疗效果。
二、图像配准的算法医学影像图像配准的算法可以分为以下几类：1. 特征点匹配算法特征点匹配算法是一种常用的图像配准方法。
该方法通过检测图像中的特征点，并找到这些特征点之间的对应关系，从而实现图像的对齐。
常用的特征点匹配算法包括SIFT、SURF和ORB等。
首先，算法会在图像中提取特征点，并计算每个特征点的描述子。
然后，通过计算特征点描述子之间的相似度，找到最佳匹配。
最后，通过对特征点的位置进行配准，实现图像的对齐。
2. 基于互信息的配准算法互信息是一种常用的图像配准衡量指标，用于评估两幅图像的相似性。
基于互信息的配准算法主要包括归一化互信息（NMI）和互信息标准差（MIS）等。
该方法通过计算图像中的灰度直方图，并结合互信息来衡量两幅图像的相似度。
然后，通过优化配准变换参数，使得互信息最大化，实现图像的配准。
3. 基于变形场的配准算法基于变形场的配准算法利用变形场来描述图像的形变情况，并通过优化变形场来实现图像的对齐。
典型的基于变形场的配准算法有Thin-Plate Spline（TPS）和B-spline等。
该方法首先计算图像的像素点之间的位移，然后通过插值方法生成变形场。
最后，通过优化变形场的参数，实现图像的对齐。
三、图像配准的应用图像配准在医学影像处理中广泛应用于以下领域：1. 临床诊断医学影像图像配准可以提供医生在不同时间点或不同影像模态下进行疾病比较和评估的依据。
例如，在肿瘤的持续监测中，医学影像配准可以实现不同时间点下肿瘤的精确测量和比较。
基于三维互信息的多模医学图像配准
3. 3 三线 性 插值 ( P a r t i a l V o l u meD i s t r i b u t i o nI n t e r p o l a t i o n , P V ) 将浮动 图像的 8 个顶点的 灰度值与参考图像中的 p R灰度值组 成 8 个灰度序偶 , 每一对灰度序偶对联合直方图贡献权值 ω 。 i
1 0 0 t x 0 t y 1 t z 0 1
ƒ( p ) =i n t ( F
( n) ) ∑ ω· r
i i i
( 16) ( 17)
H ƒ( p ) , r ( p ←H ( ƒ( p ) ,r ( p ) )+ 1 α F R) α F R
T=
0 1 0 0 0 0
( 8)
旋转变化矩阵 R , Ф , Фy , Фz人为绕 x , y , z 轴旋转的角度 , 单位 x 为弧度 。 Rx , R , R 分别为绕 x , y, z , 轴的旋转变换矩阵 。 y z Rx= 0 s i n ( Фx ) c o s ( Фx ) 0
( 20)
比例变换矩阵 S , S ,S , S 分别为 x, y, z 轴的比例变换系数 。 x y z
s x 0
S=
0 0 0
s y 0 0 0 0
s z 0
2. 3 浮动图像到参考图像坐 标变换 浮 动图像 坐标到参 考图像 坐标的仿射几何变换 , 可以通过以下三步完成 。 。 2. 3. 1 浮动图像坐标 P , ω ·P F 到浮动世界坐标 ω F F =T i ,ω ,F F 2. 3. 2 从浮动世界坐标 ωF映射到参考世界坐标岭 ω ,ω A · R R=
∑ ω(p) =1
i F i
( 18)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｖ０ｌ３ ‘８
・
计
算
机
工
程
２１ ０ ２年 ８月
Ａｕｇ ｓ ２ ２ ｕ ｔ ０１
ＮＯ １ ．６
Ｃｏ ｕｔｒＥｎ ｎ ｅ ｉ ｍｐ ｅ ｇｉｅ ｒｎｇ
图形 图像处 理 ・
文章编号： ０ｏ－４８ ０２６＿２ —ｏ 文献标识码：Ａ １０＿３２（ １）－ｏ０ ５ ２ １＿ ７
过全 局滤波和边缘提取进行图像预处理 ，突出图像特征 ， 用加权互信息方法实现配准。实验结果表 明 ， 采 该算法能够提 高多模 图像配准 的
准确率 ，加快匹配速度 。
关健词 ：医学图像 配准 ；局部体积插值 ；局部极 值 ；加权互信息 ；预处理
Ｍ ｕ ｔ－ ｏ ｌｔ ｍ ａ ｅＲｅ ｉｔ ａ ｉ ｎ Ａｌ ｏ ｉｈｍ ｌｉｍ ｄａ ｉｙ Ｉ ｇ ｇ ｓｒ ｔｏ ｇ ｒ ｔ
Ｂａ ｅ ｎ ｅ ｇ ｅ ｕｔ ｌＩ ０ ｍ ａ ｉ ｎ ｓ ｄ ０ Ｗ ｉ ｈｔ ｄ Ｍ ｕａ ｎｆ ｒ ｔｏ
ＺＨ Ａ Ｎ Ｇ ｕｎ－ Ｊ ｈａｏ ，ＳＵＮ Ｙａｎ， ＺＨ Ａ Ｎ ｅ－ ｅ Ｗ ｉｗ ｉ
（ ｃ ｏ ｌ ｆ ｏ ｔ ｒ ， ｈ ｎ ｈ ｉ ｉｏｏ ｇＵ ｉｅｓ ｙ Ｓ ａ ｇ ａ ２ ０ ４ ， ｈｎ ） Ｓ ｈ ｏ ｆ ｏ Ｓ ｗａｅ Ｓ ａ ｇ ａ Ｊａ ｔ ｎ ｎ ｖ ｒｉ ， ｈ ｎ ｈ ｉ ０ ２ ０ Ｃ ｉａ ｔ
［ ｓｒｃ ］Ｉ ｄｃｌｍａ ｅｒｇｓ ａｉｎｂ ｓｄｏ ｕｕ ｌｎｏｍａｉｕＭ１ ｍｅｈ ｄ ｉｅ ｉｓｔｅｐｏ ｌ ａ ｏ ｔ ｅｌｃｌ ｘｒｍａ Ａｉ ｎ ｔｈｓ Ａｂｔａｔ ｎｍｅ ｉａ ｉ ｇ ｉｒｔ ａｅ ｎＭ ｔａ Ｉｆｒ ｔ （ ） ｔｏ ，ｔ ｘｓ ｒｂｅ ｂ ｕ ａ ｔ ｅ ｔ ｏ ｏ ｔｈ ｍ ｈ ｔ ｏ ｅ ｅ ． ｍｉｇａ ｉ ｔ
电子发 射 断层成 像（ ｏｉｏ ｉｇｅ Ｅ ｓｉｎ Ｔ ｍｏ ｒｐ ｙ Ｐ ｓ ｉｎ Ｓｎ ｌ ｍｉ ｏ ｏ ｇａ ｈ ， ｔ ｓ
超 声 图像具 备 图像 的实 时性 ，同时具有 无害 、设备便
携、成本低廉、安全系数高等特点 ， 在临床领域被广泛关
注。 Ｃ 而 Ｔ图像 由于 其根 据人 体各 种组织 和器 官对于 ｘ射
中圈分类号ｔＴ９１３ Ｐ１７ ．
基 于加 权 互信 息 的 多模 图像 配准 算 法
张竣豪 ，孙 焱 ，詹维伟
（ 上海交通大学软件学院 ，上海 ２ ０ ４ ） ０ ２ ０
摘
要 ：基于互信息方法的医学配准容易 出现局部极值现象 ，导致准确率下降 。为此 ，提出一种基于加权互信息的多模图像配准算法 。 通
ｐ ｅ ｒ ｃ ｓ ｉ ｇ ｐ ｏｃ ｄ ｒ ｌ ｂ ｌ ｆｌ ｒ ｎ ｎ ｄ ｅ ｅ ｒ ｃ ｉ ｎ ｔ ｅ ｔｕ ｅ ｈ ｍａ ｅ ｆ ａｕｒ ｓ ｎ Ｓ Ｓ Ｗ Ｍ Ｉ ｍｅ ｏ ｏ ｒ ａ ｉｅ ｒ ｇｉｔａｉ ｎ． ｒ ｐ ｏ ｅ ｓｎ ｒ ｅ ｕ ｅ ｂｙ ｇ ｏ ａ ｔ ｉ ｇ ａ ｄ ｅ ｇ ｘｔ ｔ ，ｉ ｘ ｒ ｄ ｓ ｔ ｅ ｉ ｇ ｅ ｔ ｅ ，ａ ｄ Ｕ ｅ ｉ ｅ ａ ｏ ｔ ｄ ｔ ｅ ｌｚ ｅ ｓｒ ｔｏ ｈ Ｅｘ ｅ ｉ ｎ ａ ｅ ｕ ｔｓ ｏ ｈ ｔ ｈ ｓａｇ ｒｔ ｍ ａ ｒ ｖ ｃ ｕ ａ ｙ ａ ｄ ｔ ｅｓ ｅ ｄ ｉ ｌ — ｏ ａ ｉ ｇ ｅ ｉｔａ ｉ ｎ ｐ ｒｍｅ ｔ ｌ ｓ ｌ ｈ ｗｓｔ ａ ｉ ｌ ｏ ｉ ｒ ｔ ｈ ｃ ｎｉ ｍｐ ｏ ｅ ｔ ａ ｃ ｒ ｃ ｎ ｐ ｅ ｎ ｍｕ ｉ ｍ ｄ ｌｔ ｉ ｈｅ ｈ ｔ ｙ ｍａ ｅｒ ｇ ｓ ｔｏ ． ｒ
ＤＯＩ １．９ ９ｊｓｎ１０ ．４ ８２ １．６０ ４ ： ０３ ６ ／ｉ ． ０３ ２ ．０ ２１ ．５ ．ｓ ０
ｌ 概述
目前 ， 医学断改进 ， 同时对 于影 像 的处理 也推 陈 出新 ， 如在 硬件 方面 ， 医 学影 像 从 体 表摄 像 ，经过 超 声 成像 和 计 算机 断层 成 像 （ ｏ ｕｅ ｏ ｇａｈ， Ｔ ，发展至 当今 普遍 运 用的数字 Ｃ ｍｐｔ Ｔｍｏｒ ｙＣ ） ｄ ｐ 血 管减 影成 像（ ｉｉ ｌ ｕ ｔ ｃ ｏ ｎ ｉ ｒ ｈ， Ｓ ） 正 Ｄ ｇｔ ｂ ａｔ ｎＡ ｇ ｇａ ｙ Ｄ Ａ 和 ａＳ ｒ ｉ ｏ ｐ
ｐｏ ｌｍ，ｔｉ ｐ ｐｒ ｐｏ ｏｅ ａ ｍｕｔ ｍｏ ａｉ ｍａｅ ｒｇｓ ａｉｎ ｌｏｉ ｍ ａｅ ｎ Ｗｅｇ ｔｄ Ｍ ｕｕ ｌ ｎｏｍａｉｎＷＭ１．Ｔ ｒｕ ｈ ｔｅ ｒｂｅ ｈｓ ａ ｅ ｒｐ ｓｓ ｌ— ｄ ｌｙ ｉ ｇ ｅ ｉｒｔ ａｇ ｒｈ ｂ ｓｄ ｏ ｉｈｅ ｔａ ｉ ｔ ｔ ｏ ｔ Ｉｆｒ ｔ （ ｏ ） ｈｏ ｇ ｈ
［ ｅ ｏ ｄ ｜ｍｅｉ ｌ ａ ｅ ｅ ｉ ａ ｏ ； ｃｌ ｏ ｍ ｔ ｐ ｌ ｉ ； ｃ ｌｘ ｅ ａ Ｗｅ ｈｅ ｔａＩｆ ｍａｏ （ Ｋ ｙ ｒｓ ｗ ｄ ａ ｉ ｇ ｇｓ ｔ ｎ ｌ ａ ｖ ｌ ｅ ｎ ｒ ａ ｏ ｌ ａ ｅｔ ｍ ； ｉ ｔ Ｍｕｕｌｎｏ ｔ ｎＷＭＩ ｐｅｒｃ ｓ ｎ ｃ ｍ ｒ ｔ ｉ ｏ ｕ ｉｅ ｏ ｔ ｎ ｏ ｒ ｒ ｇ ｄ ｒ ｉ ） ｒ ｏｅ ｉ ； ｐ ｓｇ
线吸收不等的特性 ， 对人体各个器官进行成像 ， 其成像分
辨率 大大 提高 。但 Ｃ Ｔ成 像设 备不适 合在 手术过 程 中进 行 操作 ，更 适合进 行手 术前 的诊 断 。因此 ，超声 图像与 Ｃ Ｔ 图像 的配 准便能 够结 合 ２种不 同模态 图像 的特点 ， 同时表 现 出 ２ 不 同图像 的特 征 ， 医生能够 更 加充分地 了解 到 种 使 病 变 部分 的细节 情况 ，从 而更直 观地做 出临床诊 断 。