最新多模态医学影像配准与融合技术的研究（葛雯幻灯片.ppt

《最新多模态医学影像配准与融合技术的研究（葛雯幻灯片.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、多模态医学影像配准与融合技术的研究（葛雯）主要内容基于PCNN的图像融合算法总结与展望基于小波变换的图像融合算法基于BP的特征级图像融合算法医学图像配准算法课题背景2一、课题背景由于医学图像仪器的成像机理的不同，使得不同模态的医学图像反映人体信息不同，从单一源图像是无法对病人进行全面诊断。图像配准和融合能将多模态的图像信息进行互补，融合成一幅新的影像。目前医学图像融合技术还处于起步阶段，故本文针对多模态医学图像的融合方法及配准算法方面展开研究。3仿真实验(a)CT图像(b)MRI图像(c)最大的互信息配准法(d)所提方法7CT/MRI图像各配准方法的配准参数及性能比较传统的互信息配准方法所提方

2、法RMSE19.4315.32R0.92160.9812水平和垂直偏移量（9.028.52）（9.939.56）角度偏移量9.5979.9608三、基于小波变换的图像融合算法小波变换具有良好的时频局域化特性及多尺度分析能力,非常适合于图像处理。基于小波变换的影像融合算法被广泛应用于图像融合处理中，其性能优于传统的图像融合方法。9（一）基于可分离小波变换的图像融合算法具体步骤：对待融合的医学源图像分别进行小波变换分解；对于尺度系数，使用下式合并医学源图像对应的尺度系数；(3.1)10对于小波系数，首先使用下式确定医学源图像高频分量的边缘点和非边缘点，保护边缘点对应的小波系数；(3.2)(3.3)

3、(3.4)11对非边缘点用式(3.5)进行小波系数融合。然后用式(3.6)获得融合图像的小波系数。(3.5)(3.6)12将融合图像的小波系数和尺度系数进行小波逆变换，即可得到重构后的医学融合图像。仿真实验(a)CT图像(b)MRI图像(c)拉普拉斯金字塔融合算法13(d)梯度金字塔融合(e)形态学金字塔融合(f)小波变换融合算法算法算法(g)所提算法14CT/MRI实验结果的质量评价拉普拉斯金字塔融合算法梯度金字塔融合算法形态学金字塔融合算法小波变换融合算法所提算法信息熵10.911212.678512.835214.264617.5947平均交叉熵7.83255.37265.14624.5

4、2163.2514平均梯度31.589233.012335.542837.256739.5492相关系数0.598450.60520.616430.640300.706715低频分量的融合规则(3.7)(3.8)(3.9)（二）基于不可分离小波变换的图像融合算法16高频分量的融合规则亮度信息细节信息(3.10)(3.11)17或当其中，，调节CT/MRI图像的占优比例(3.12)(3.13)(3.14)18因子调节图像的亮度(3.17)(3.18)(3.16)(3.15)19通过调整这些因子可以消减模糊边缘，突出细节并调节图像的亮度对比度。在临床应用中，为了得到强调不同特征信息的图像，医生既可

5、以根据上面公式计算它们，也可以根据经验手动设定这些参数。因子决定图像的边缘(3.19)20仿真实验(a)CT图像(b)MRI图像(c)对比度金字塔融合算法(d)基于像素融合算法(e)基于区域融合算法(f)所提算法21CT/MRI实验结果的质量评价对比度金字塔融合算法基于像素融合算法基于区域融合算法所提算法平均交叉熵6.34236.02653.46242.0598标准差12.89655.37265.146219.9356平均梯度41.675242.125645.326948.5486相关系数0.48410.51660.61230.796422基于区域模糊熵和区域亮度细节占优的融合算法设计(3.2

6、0)(3.21)23仿真实验(a)CT图像(b)MRI图像(c)对比度金字塔融合算法(d)基于像素融合算法24(g)所提算法(e)基于区域融合算法(f)模糊集和小波变换融合算法25CT/MRI实验结果的质量评价对比度金字塔融合算法基于像素融合算法基于区域融合算法模糊集和小波变换融合算法所提算法平均交叉熵9.01438.23266.45785.02313.4956标准差26.312428.657130.98744.521635.2587平均梯度36.234538.562140.897237.256745.1789相关系数0.47580.49320.52340.640300.767126四、基于P

7、CNN的图像融合算法小波变换方法针对性都很强，根据不同情况采用不同的融合规则。基于神经网络方法对输入不同类型的图像得到的融合结果不会有很大差别，且其融合规则往往简单易行，故基于神经网络的融合算法适应性要更好一些。因此将具有生物学背景的PCNN神经网络应用到医学图像融合中。27具体融合步骤：1、对每一幅医学图像分别进行两层小波提升分解，提取图像的近似细节、水平、垂直、对角方向的小波系数矩阵。2、对低