基于多维广义互信息的医学图像非刚性配准算法研究

医学图像的非刚性配准在肿瘤无创或微创手术治疗的精确定位和疗效评估方面都有着重要的作用。术前与术后图像中配准对象的变化给非刚性配准带来局部灰度分布不一致的困难。本项目针对这个问题，提出基于多维特征的广义互信息度量结合全局和局部特征的非刚性配准算法：首先进行全局特征配准，采用传统互信息作为相似性度量，对重叠区域的联合概率密度估计方法进行改进，促使配准迭代收敛至全局最优；然后，将基于全局特征的配准结果作为基于局部特征配准参数的初始值进行局部特征配准，对感兴趣区域采用基于仿射不变量的局部描述子进行特征提取，将获得的局部特征向量融入广义互信息相似性度量，并与平滑约束组合成配准代价函数。提出的非刚性配准算法能克服因图像局部灰度分布不一致造成的相似性度量的不足，减少误匹配，提高配准结果精度，为无创或微创手术治疗中肿瘤定位和疗效评估的实现奠定基础。

医学图像的非刚性配准在肿瘤无创或微创手术治疗的精确定位和疗效评估方面都有着重要的作用。手术前与手术后图像中配准对象的变化给非刚性配准带来局部灰度分布不一致的困难。本项目针对这个问题，提出基于多维特征的广义互信息度量结合全局和局部特征的非刚性配准算法。提出的非刚性配准算法能在一定程度上克服因图像局部灰度分布不一致造成的相似性度量的不足，减少误匹配，提高配准结果精度。.在全局特征配准方面，采用传统互信息作为相似性度量，对重叠区域的联合概率密度估计方法进行改进，促使配准迭代收敛至全局最优。在肝脏和肾脏图像上进行了验证，并应用到高能聚集超声肿瘤治疗系统的手术导航中，达到了预期的效果。在局部特征配准方面，将基于全局特征的配准结果作为初始值，采用最小距离树来构造广义互信息。针对肺部CT图像，采用梯度方向角形成新的特征向量，并与平滑约束项组合成配准代价函数。配准结果显示新算法在速度和精度上都能获得较好的效果。.研究中发现，本项目提出的HPV插值算法能使非刚性配准收敛至全局最优；采用最小距离树构造广义互信息的速度比采用k最近邻点要快；采用梯度方向角形成的特征向量在肺部CT图像的配准中能获得比传统互信息更好的结果。为了便于算法应用，本项目建立了医学图像处理算法软件平台MIPV。相关的研究结果将为无创或微创手术治疗中肿瘤定位和疗效评估提供有价值的科学依据。