医学图像融合技术研究

《医学图像融合技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、上海交通大学硕士学位论文医学图像融合技术研究姓名：万蕊申请学位级别：硕士专业：计算机软件与理论指导教师：李明禄20031201医学图像融合技术研究医学图像融合技术是一个多学科交叉的研究领域是计算机图形学和图像处理在生物医学工程中的重要应用它涉及到数字图像处理计算机图形学医学成像设备以及医学领域的相关知识医学图像的配准是对序列图像和多模图像自动分析的前提条件和核心问题在基础医学研究和临床诊断治疗质量保证和疗效评价等方面都有广泛的应用本文对医学图像融合的理论方法和技术作了全面细致的研究首先对研究背景以及医学图像

2、融合的有关概念分类及方法进行了综述然后分别深入研究了单模医学图像的配准多模医学图像的配准以及图像信息的融合对于单模医学图像的配准由于其来源于同一医学图像设备故图像间差别很小可利用相关性测度来进行配准本文选用了最小方差测度标准化相关测度作为两幅图像间相似性准则来估计变换参数同时也使用了基于最大互信息的方法进行配准并对配准结果进行了比较分析对于多模医学图像的配准本文采用了两种方法1多分辨率配准的方法分别将MRI和CT图像转化为金字塔进行多级配准对不同的级别采取不同的相似性测度快速相关性和最大互信息从而减小计算量

3、提高配准速度2基于轮廓的力矩主轴法的配准通过旋转和平移缩放变换使两幅图像的质心和惯性主轴对齐从而达到配准的目的在配准过程中最优化程序的选择在很大程度上决定了配准的速度和结果这里我们采用梯度坡降法gradientdescentmethod和Powe11搜索算法相结合的方法在很大程度上解决了局部极值的问题又克服了Powell搜索算法的效率差的问题由于经小波变换后图像在不同分辨率上的细节信息不会互相干扰融合图像的块状伪影亦容易消除因此我们提出了基于小波变换的图像融合方法将待融合的原始图像首先进行小波变换把其分解在

4、不同频段的不同特征域上然后在特征域上进行融合通过将不同频率范围内的信号分别组合产生具有不同特征的融合图像从而实现了图像信息的融合最后本文简要介绍了医学信息分析系统MIAS的主要功能以及医学图像融合技术在各个功能模块中的作用以及具体实现本论文的课题来源于国家863计划面向骨肉瘤预后估计的临床医学图像处理技术研究项目编号2001AA114150&上海市教委曙光计划项目骨肉瘤医学图像可视化关键技术研究项目编号02SG15关键词医学图像图像配准图像融合小波变换互信息DIC0MRESEARCHONTHEFUSIONO

5、FMEDICALIMAGESABSTRACTMedicalimageregistrationandfusionisacrossingresearchtopicwhichiswell-groundedemployedbymodernmedicalapplications.Thistechnologyisrelatedtodigitalimageprocessing,computergraphicstechnology,medicalimagingdeviceandmedicalscience,etc.Medi

6、calimageregistrationisakeytechnologytomakefulluseofthemodernmultimodalitymedicalimagessynthetically.Itisimportanttotheautomaticanalysisofserialimagesandmultimodalityimages,andwidelyusedintheareasofclinicaldiagnoses,therapy,qualityassuranceandevaluation.Thi

7、sthesisisdevotedtoageneralstudyofmedicalimagefusion.Researchbackgroundandrelatedconcepts,classificationandmethodsarebrieflyreviewedatfirst.Then,thoroughresearchisconductedtomonomodalityimagesregistration,multimodalityimagesregistrationandimagefusion.Sincem

8、onomodalityimagesarederivedfromthesamemedicalimagedevice,thedifferencesbetweentheimagesarelittle,sothecorrelationmethodsareappliedtothemetrics・HereweadoptMeanSquaresMetricandNormalizedCorrelationMetrictomeasu