医学影像配准与融合的建模和算法

Medical image analysis and processing play a significant role in precision diagnosis and treatment. Medical image registration and fussion are crucial parts in medical image analysis and processing. Due to the medical image low-contrast, blurred edges, inhomogeneous, artefacts and overlaying tissues and organs etc., this project will focus on the following problems: (1) investigate the computable modeling approaches for non-rigid mono-modal and multi-modal image registration and fusion; (2) design the feature extraction algorithm based on geometry, variational method and deep learning, and develop the mathematical theory on registration and fusion of heterogeneous data; (3) establish the high quality image 3D reconstruction model and algorithm to improve the quality of medical image analysis and processing; (4) apply the above proposed models and algorithms to the clinical diagnosis and treatment, particularly, in the early detection of liver cancer, the design and simulation of surgical procedures, accurate radiofrequency ablation and quantitative evaluation of the therapeutic effect. Solving these problems is full of important scientific significance and social value in both academic theory and clinical applications.

医学影像分析与处理在精准诊断和治疗中具有十分重要的作用，医学图像的配准与融合是医学影像分析与处理的重要部分。针对医学图像对比度低、边界模糊、异质性、伪影和组织器官重叠等特点，本项目着重研究下述几个方面的问题：（1）研究单模态/多模态医学影像的非刚性配准问题和融合问题的可计算建模方法；（2）构造基于几何、变分和深度学习的特征提取算法，发展相关的异构数据配准与融合问题的数学理论；（3）建立高质量的图像三维重建模型和算法，提高医学图像分析与处理的质量；（4）将上述模型和算法应用到临床诊疗上，特别是肝癌的早期发现、手术方案设计与模拟、精准射频消融以及疗效的定量评价等方面。这些问题的解决无论是在理论上还是在应用方面均具有十分重要的科学价值。

医学影像分析与处理在精准诊断和治疗中具有十分重要的作用，医学图像的配准与融合是医学影像分析与处理的重要部分。针对医学图像对比度低、边界模糊、异质性、伪影和组织器官重叠等特点，本项目重点围绕医学图像的配准、融合、三维重建和临床应用四个方面开展研究工作，取得了下述重要研究成果：（1）提出了关于单模态/多模态医学影像非刚性配准和融合问题的可计算建模方法；（2）提出了基于几何、变分和深度学习的特征提取算法；（3）发展了相关的异构数据配准与融合问题的数学理论；（4）建立了高质量的图像三维重建模型和算法；（5）将上述理论、模型及算法应用到临床诊疗上，包括肝癌的早期发现、手术方案设计与模拟、精准射频消融以及疗效评估等方面，展现出十分重要的科学意义和临床价值。