三維多模態(tài)醫(yī)學(xué)圖像自動(dòng)配準(zhǔn)方法研究798醫(yī)學(xué)物理與工程學(xué)聊中國(guó)醫(yī)學(xué)影像技術(shù)2005年第21卷第5期CHINJMEDLMAGINGTECHNOL,2005,VOL21,NO5RESEARCHONAUTOMATICREGISTRATIONMETHODFOR3DMULTIMODALMEDICALIMAGESHAIMIAO,SHENYIDEPARTMENTOFCONTROLSCIENCEANDENGINEERING,HARBININSTITUTEOFTECHNOLOGY,HARBIN150001,CHINAEABSTRACTANAUTOMATICALGORITHMWASPRESENTEDBASEDONIMAGESEGMENTATIONANDMUTUALINFORMATIONFORMULTIMODALMEDICALIMAGESIMAGESWEREFIRSTLYPREPROCESSEDUSINGTHRESHOLDMETHODANDMATHEMATICALMORPHOLOGY,SECONDLYSEGMENTEDUSINGKMEANSALGORITHM,ANDTHENREGISTEREDUSINGPOWELLMETHODBASEDONMUTUALINFORMATIONTHEEXPERIMENTALRESULTSOFCLINICALMULTIMODALIMAGESSHOWEDTHATTHEPROPOSEDMEDICALIMAGESREGISTRATIONMETHODWORKSWELLANDEVENFASTERTHANMOSTOFEXISTINGREGISTRATIONMETHODSKEYWORDSMEDICALIMAGESREGISTRATIONIMAGESEGMENTATIONMUTUALINFORMATIONMATHEMATICALMORPHOLOGY三維多模態(tài)醫(yī)學(xué)圖像自動(dòng)配準(zhǔn)方法研究海淼,沈毅哈爾濱工業(yè)大學(xué)控制科學(xué)與工程系,黑龍江哈爾濱150001摘要提出一種綜合應(yīng)用圖像分割與互信息的醫(yī)學(xué)圖像自動(dòng)配準(zhǔn)方法首先采用門限法和數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行預(yù)處理,再用KMEANS方法進(jìn)行分割,之后采用基于互信息的POWELL優(yōu)化方法配準(zhǔn)將該方法用于磁共振圖像MRI和正電子發(fā)射斷層掃描PET臨床醫(yī)學(xué)圖像配準(zhǔn),得到較滿意的效果關(guān)鍵詞醫(yī)學(xué)圖像配準(zhǔn)圖像分割互信息數(shù)學(xué)形態(tài)學(xué)中圖分類號(hào)R4452R8174文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)10033289200505079804多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像融合的關(guān)鍵技術(shù),只有將不同模態(tài)的醫(yī)學(xué)圖像進(jìn)行準(zhǔn)確的配準(zhǔn),圖像信息的融合才有意義醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于一幅醫(yī)學(xué)圖像尋求一種或一系列空間變換,使它與另一幅醫(yī)學(xué)圖像上的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致現(xiàn)在提出的醫(yī)學(xué)圖像配準(zhǔn)標(biāo)準(zhǔn)一般是使兩幅圖像的相似性達(dá)到最大,有的直接基于原始灰度圖像一,有的基于從原始圖像提取的特征圖像對(duì)于相同模態(tài)的圖像,由于圖像特征基本相似,即相同灰度值代表的意義相間,這樣直接基于原始灰度圖像確定相似性判據(jù)即可達(dá)到很好的配準(zhǔn)效果而對(duì)于不同模態(tài)的圖像,相同組織結(jié)構(gòu)各自有不同的表達(dá)模式,圖像特征大不相同,這就給配準(zhǔn)帶來很大的難度近年來一些學(xué)者也提出了一些新的設(shè)計(jì)方法,但是配準(zhǔn)時(shí)間不盡如人意本文提出的一種解決辦法就是先經(jīng)過圖像分割預(yù)處理,去除無關(guān)和非關(guān)鍵信息,以圖像分割后的組織為特征,尋找配準(zhǔn)參數(shù),使兩幅圖像的互信息最大由于先進(jìn)行預(yù)處理減少了無關(guān)信息,所以能夠?qū)崿F(xiàn)三維醫(yī)學(xué)圖像快速精確配準(zhǔn)作者簡(jiǎn)介海淼1981一,男,遼寧阜新人,碩士研究生研究方向醫(yī)學(xué)圖像處理EMAILHAIMIAOHITEDUCN通訊作者沈毅,哈爾濱工業(yè)大學(xué)控制科學(xué)與工程系,150001EMAILSHENHITEDUCN收稿日期200412一O8修回日期200501211圖像配準(zhǔn)方法本文提出圖像分割和互信息7相結(jié)合的醫(yī)學(xué)圖像自動(dòng)配準(zhǔn)系統(tǒng)的設(shè)計(jì)方法該方法是首先采用門限法和數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行預(yù)處理,再用KMEANS8方法進(jìn)行分割,之后采用POWELL優(yōu)化方法通過迭代得到基于互信息的最優(yōu)配準(zhǔn)參數(shù),最后將原始的參考圖像和浮動(dòng)圖像相疊加,實(shí)現(xiàn)多模態(tài)圖像的配準(zhǔn)11門限法處理先對(duì)參考圖像進(jìn)行門限法預(yù)處理,主要目的是去除噪聲和無關(guān)組織本文采用的門限法處理方法是先設(shè)置最小或最大灰度值T,然后根據(jù)上述灰度值進(jìn)行直方圖處理,假設(shè),Y是一幅圖像的灰度直方圖,將所有廠,T或/,YT的點(diǎn)視為對(duì)象點(diǎn),否則視為背景點(diǎn)12數(shù)學(xué)形態(tài)學(xué)處理利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)經(jīng)過門限法處理的參考圖像做進(jìn)一步處理數(shù)學(xué)形態(tài)學(xué)是以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具,基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析,處理和識(shí)別的目的膨脹和腐蝕是數(shù)學(xué)形態(tài)學(xué)中的兩種基本運(yùn)算利用結(jié)構(gòu)元素G對(duì)圖像廠的腐蝕定義為,GT一YIGF1其對(duì)偶運(yùn)算是膨脹,定義為,G2一2IBJA2腐蝕能使對(duì)象沿邊界縮小,膨脹使對(duì)象沿邊界擴(kuò)張?jiān)趫D像中國(guó)醫(yī)學(xué)影像技術(shù)2005年第21卷第5期CHINJMEDIMAGINGTECHNL,VOL211處理過程,總是希望能除去形狀小的物體而盡可能保留形狀大的物體在這種場(chǎng)合通常使用開運(yùn)算,即先對(duì)圖像進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算在處理過程中還要進(jìn)行填充操作,填充操作用于消除小的空隙,其實(shí)現(xiàn)過程如下先將所有非邊界背景的點(diǎn)標(biāo)記為0,再將P點(diǎn)設(shè)置為1,然后利用下列方法將整個(gè)區(qū)域用1填充X一X干BJAK一12,33這里X一P,B是對(duì)稱結(jié)構(gòu)元素如果X一X,則算法在迭代的第K步結(jié)束13采用KMEANS算法進(jìn)行圖像進(jìn)一步分割經(jīng)過上面方法處理的圖像已經(jīng)去除非腦組織,下面采用KMEANS算法進(jìn)一步對(duì)已去除非腦組織的圖像進(jìn)行分類人腦主要分為灰質(zhì),白質(zhì)兩部分,所以我們進(jìn)一步對(duì)已去除非腦組織的圖像分成灰質(zhì),白質(zhì),腦脊液和背景四類聚類是以自組織的方式將對(duì)象特征歸成不同的類在人腦MR灰度圖像分割中,所利用的特征是圖像的灰度值由于分割的類數(shù)是事先已知的,所以可選取聚類算法中的KMEANS算法聚類方法是一種優(yōu)化方案,最常用目標(biāo)函數(shù)為,U,U,X“LL一ULLZ41I1式中X為灰度圖像U為X的一個(gè)硬C劃分分割以后得到F個(gè)區(qū)域?yàn)橛删垲愔行慕M成的向量據(jù)硬C均值定律HARDMEANSTHEOREM即KMEANS,最,J,化J1U,UX的條件為對(duì)所有的I,忌F1LLXKLLLLXKLL一1,2,F一0其他“AT“U一生一“一1614對(duì)經(jīng)過預(yù)處理的圖像進(jìn)行配準(zhǔn)兩組三維多模醫(yī)學(xué)圖像的配準(zhǔn),就是考慮在一定的幾何剛體變換下,給定了兩組圖像之間相似性測(cè)度,通過在該變換空間下尋求最佳變換丁,來使相似性測(cè)度值最大,從而達(dá)到配準(zhǔn)的目的141剛體變換剛體是指內(nèi)部任意兩點(diǎn)的距離保持不變,剛體變換可以分為旋轉(zhuǎn)和平移一般認(rèn)為人腦可以近似為剛體,用于人腦配準(zhǔn)的幾何變換為全局的具有6個(gè)自由度T,T,T,的剛體變換其中T,T,T是3個(gè)移動(dòng)自由度,是3個(gè)旋轉(zhuǎn)自由度,剛體變換丁的旋轉(zhuǎn)矩陣用任意三維旋轉(zhuǎn)復(fù)合矩陣形式表示為1OO1OOOO0T0TF1TO1R11RL2L尺尺IR31R32LOORL1R12R13J尺尺尺IRARLOOO37799其中RLLCOSOCOSO,RL2一一COSOSINO一SINOSINOCOSO,RL3一SINOSINO一COSOSINOCOSO,R2LCOSOSINO,R22一COSOSOSO一SINOSINOSINO,R23一一SINO,COSOCOSOSINO,SINO,R3ISINO,R32一SINOSOSO,R33一COSOXOSO,142采樣過程對(duì)參考圖像和浮動(dòng)圖像,定義一個(gè)三維坐標(biāo)系X軸為行掃描方向,Y軸為列掃描方向,Z軸為從顱頂?shù)斤B底的方向兩幅圖像上的像素灰度值均歸一化為256個(gè)灰度級(jí)0255143插值浮動(dòng)圖像空間采樣點(diǎn)通過空間交換后得到的點(diǎn)集的坐標(biāo),不一定是整數(shù),需要通過插值方法獲得變換點(diǎn)的灰度值,在本系統(tǒng)中使用三線性插值法作為插值方法144相似性測(cè)度使用互信息MI為配準(zhǔn)的相似性測(cè)度“互信息指兩個(gè)變量的聯(lián)合概率分布與完全獨(dú)立時(shí)的概率分布的廣義距離圖像A和B的互信息定義如下HA一一PALOGPA8A,B一HAHB一HA,B一戶A,BLOG9式中HA,HB為兩幅圖像A,B的熵HAB為聯(lián)合熵,A和B分別是圖像A和B上的灰度值PA,6為A,B的聯(lián)合概率分布,PA,戶6分別為邊緣概率分布三維醫(yī)學(xué)圖像配準(zhǔn)中互信息與兩個(gè)圖像的重疊部分多少成正比145配準(zhǔn)過程1計(jì)算經(jīng)過圖像分割預(yù)處理的參考圖像A灰度直方圖,并把具有相同灰度值的像素劃分為一組2初始化配準(zhǔn)參數(shù),設(shè)定六個(gè)參數(shù)初始值為零3利用配準(zhǔn)參數(shù)對(duì)浮動(dòng)圖像B進(jìn)行線性插值產(chǎn)生變化后的浮動(dòng)圖像,對(duì)于在迭代過程中映射到參考圖像之外的浮動(dòng)圖像上的像素點(diǎn)被賦零值4對(duì)于參考圖像A,計(jì)算它和浮動(dòng)圖像B的最優(yōu)化配準(zhǔn)參數(shù)A口一MAX/AB105利用POWELL多參數(shù)優(yōu)化算法估計(jì)配準(zhǔn)參數(shù),迭代地執(zhí)行步驟3和4,直到滿足1O的收斂準(zhǔn)則要求2三維醫(yī)學(xué)圖像配準(zhǔn)系統(tǒng)配準(zhǔn)過程及結(jié)果基于上面提出的方法,利用C/C編程語言開發(fā)出了LINUX環(huán)境下的醫(yī)學(xué)圖像配準(zhǔn)系統(tǒng)DVDREGISTRATION并且在系統(tǒng)中加入了手動(dòng)調(diào)整浮動(dòng)圖像位置的人機(jī)交互功能,利用該功能先進(jìn)行圖像的粗配準(zhǔn),這樣可以大幅度減少配準(zhǔn)時(shí)間,同時(shí)可以減少POWELL算法陷入局部極值的可能為檢驗(yàn)上面提出的方法在多模醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用效果,我們用DVDREGISTRATION進(jìn)行了臨床醫(yī)學(xué)圖像的配準(zhǔn)實(shí)驗(yàn)實(shí)驗(yàn)中用到的圖像數(shù)據(jù)如下MRNXNY一256,NZ199,PETNXNY一256,NZ一199,其中NX,NY分另目表示圖像X,Y軸的像素?cái)?shù),NZ表示圖像的切片層數(shù)配準(zhǔn)實(shí)驗(yàn)過程中我們選擇MR圖像為參考圖像,PET圖像為待配準(zhǔn)11LL“悔FK越FTLL操F1幕境J完【IXI,1NFLL處511J“|MLJJJL仃個(gè)越F11JTTTKN址終敏虻處胖行下LT鼎J,_剝處陔世犧塒1,址刪和數(shù)學(xué)肜學(xué)址【IF_L艇處掘喜引憚舊從L廳尷擇艋小和坡趕1門FTKR,7I址F/,V呆的像卷性拉他TIIN祧也槌盂的丹徙,L埭L冉進(jìn)LI數(shù)志處耐馨J“柙帕悔C引L1LIFI蟲膨脹址LL_世仃填處_址IL1RL_荇蚺志學(xué)【H很地去脒R輪井IJ刊ILF日旬經(jīng)F世疊州艟壞分世_R修復(fù)2I_利KM“,蔭址址F舒制將擇M處的孝像摧啦版瓜質(zhì)腑稈液邗LH饕訃削I2州/,將浮動(dòng)J傈R纖吐舒馴N譬罔F攤1LII胖舒?zhèn)愖l119垃井將浮礎(chǔ)像L鼢譬哿僳剮“TF左惻硅后FFL】FLJL車_FJMRFIIEI【F_F1帕像地悼肚磐學(xué)像J侍多崽I梆I】TL,HJF1I,執(zhí)搬IT/R“型兮多掛瑟羊1N準(zhǔn)的JL1估尚體公認(rèn)的N敏的111,址T療0采刑刪法檢驗(yàn)J螗0J,科IILL刪L,院韋艘時(shí)跨RII州F水仃瞇終騎的家進(jìn)】_】刪坪價(jià)I/X,QGL川I1的I戢和J床證川隸故“螗他川的璉J剖蟓仆處結(jié)合們1學(xué)俘H,水濁詘堋魁L毛全能滿足帕需崔目5I姐M“堆,BLTIRTJ杖3結(jié)論RJR我捉T種柵ILJ袱卷醫(yī)學(xué)N準(zhǔn)系統(tǒng)竹波】L仃,捫艘R傳統(tǒng)于舨度的幢足且情法刊P傺什削的玳打業(yè)曲梆局我們晌吐汁將矧悔舟制HJ十腰們最七佶,州I臺(tái),L刊用像廠削進(jìn)L|M處九是鯉們FN此堇別【L刊用址大互自,世J1睫,騎拄嵌J法N螄準(zhǔn)叫州EIML剖坶呲J問1M趕種TLJJ川克曲多槲F酣準(zhǔn)宵隔醫(yī)悔拉簿】巷【HALJMDTILLNT2IE,HLIL1JVJIL,參考文獻(xiàn)KEOD【1LJ中國(guó)分類號(hào)IIL,XXIMIZT1ILN1FHLTILUALR,RNIH】N71URACHALCARCINOMACASEREPORT臍尿管癌1例楊蕾粱會(huì)澤陳慧于C解艘1期6院特滲科J束LLILI,GRQ,I1V關(guān)鍵詞文獻(xiàn)標(biāo)識(shí)碼1I文章編號(hào)IU患行女】辛LQ向叭終術(shù)M1十門姚滲主訴1十月山下ILF隱稍,適井肯向叭終術(shù)虹什昔砸,急,癰無IVJ艟發(fā)熱噩聲椅臍IJ峙0圮之可彈髓小為1LLL11/15TLLR11勺蜒合包址囊為壁下姚L刖囊肇LQ,IF,計(jì)J瑚狀川,腔舒隔狀結(jié)拘L芒ITDFI囊峨內(nèi)少許流F,1JW可引峨逑動(dòng)味血流潛隨座約TII乜塊衍動(dòng)噬始引辟