準技術在醫(yī)學圖像處理中的應用研究

1、 陽呻圖1.1外科手術中的圖像導航其中:(a手術前在患者的皮膚上設置外部標記手術前在醫(yī)學圖像的輔助下制定手術計劃(c在手術臺上進行患者與圖像的實時配準(d手術中用導航器械進行手術導航 圖1.2手術前的3-D CTA圖像與手術中的2一D x射線圖配準步驟:將x射線圖中導管的位置顯示在CTA圖像中,然后將CTA圖像中的大動脈分割出來貼在x射線圖中(見圖1.33 o'圖1.3把術前的CTA與術中的x射線圖數據聯(lián)系起來其中:(a用戶界面平臺上顯示術前的CTA,術中的X射線幽和一個能看到血管瘤的大動脈(b將從術前CTA上分割下來的大動脈覆在術中的X射線圖上(c在X射線圖上勾勒出大動脈的輪廓

2、67;1.1.3國內外研究概況、發(fā)展趨勢及現(xiàn)存問題針對不同的醫(yī)學應用,研究和開發(fā)專用的配準算法是一個重要的發(fā)展方向。生物體視學技術的興起,顯微、超微結構的三維重建和可視化、定量化研究,以及各種組織切片圖像的處理,不斷為醫(yī)學圖像配準技術提出新的問題,注入新的研究動力。目前,醫(yī)學圖像配準的兩個研究方4 幽3.1參考圖(a (由(c【D圖3.2測試圖像其中:(a是對參考圖像進行水平方向的位移后得到的圖像;(b是對參考圖像進行角度旋轉后得到的測試圖像;(c是對參考圖像進行縮放后得到的測試圖像;(dXeXi分別是對參考圖像進行多個參數變換后得到的測試圖像從表中配準結果,可以看出使用PV插值方法進行配準得

3、到的配準精度還不錯,這是因為在使用PV插值算法時,由于不引進新的插值點灰度,直接將插值點灰度貢獻于周圍4點的聯(lián)合灰度計算,所以對于配準函數的計算所產生的誤差較小。同時,也發(fā)現(xiàn):對于測試圖像d、e、f將其與參考圖像進行配準,實驗誤差較大,這是因為將參考圖像變換得到這三幅圖像時,重采樣時的圖像灰度信息丟失比較多,而一階配準方法只是考慮圖像的灰度信息,并不考慮圖像的空間信息,所以配準結果不太理想,相比之下,測試圖像a、b與參考圖像的配準誤差較小。 (a配準前的MRImager(b配準前的MRImagef (ca,b配準后的MR-Imagerf(d將C圖減去a圖所得圖像圖3.3腦部MRImage的配準

4、結果由圖3.3可見,改進的互信息配準方法在兩幅實際醫(yī)學圖像的配準應用中具有較好的實驗結果。§3.2改進的多參數優(yōu)化算法采用PSO算法一般情況下均能找到滿意的結果,但是在算法結束的時候,無法確定算法找到的解就是解空間中的最優(yōu)解,甚至無法確定當前找到解是附近解空間的極小值點。而Powell算法具有極強的局部尋優(yōu)能力,這就提示我們可以將兩種算法結合起來解決問題?；谏鲜鲇懻?提出一種混合算法,將PSO算法的全局搜索能力與Powcll算法的局部尋優(yōu)能力有機地結合起來。 (a待配準的MR圖像徹待配準的SPET圖像(c配準結果圖3.4多模態(tài)圖像配準將Powell算法、PSO算法以及改進的PSOP

5、owell混合算法的性能在同一臺計算機上進行比較,即使用上述三種優(yōu)化算法進行基于最大互信息的配準方法。其中PSO算法以及改進的PSOPowell算法中的粒子W=.1個數選取20,動量系數w的調整策略為U叫J,x方向、Y方向、旋轉角度的最大速度分量為10。單純使用PSO算法時,迭代步數選取為20步,使用改進的PSO.Powell混合算法時,PSO算法的迭代步數選取為10步。比較結果見表35。表35應用三種不同優(yōu)化算法的多模態(tài)圖像配準結果比較表配準算法硼蘭移y軸?旋麓度互信息,執(zhí)鬻間(mm(nunPSO1.5443.0083.8410.60937.04 Powell1.3393.2673.3400

6、.60820.34 PSOPowell1.8512.6944.2910.61022.06由上表,可以看出:由于互信息函數的多極值特性,使得Powell 算法很容易就因陷入局部極值而停止。雖然從表中的時間上看Powell 算法所使用的時間最少,但他的互信息量最小,即計算結果的準確性較差,在正常的應用中是不可接受的。PSO算法的準確性較Powell算法有所提高,但它搜索到的知識全局最優(yōu)解附近的一個較優(yōu)解。而改進的 (a【b圖4.3實驗中用到的cT斷層圖像其中:(a是靠近頭部的第一張是靠近腿部的第六十張為了提高重構速度和達到交互的目的,在實驗中采用256等級的灰度值,并且只獲取感興趣的區(qū)域的256*

7、256*60的體數據。將前面介紹的改進的體繪制方法應用到CT數據上,計算CT值的衰減值累加并投影到像平面上,最后將圖像灰度值歸一化為256的灰度等級。可用的虛擬光源有點光源和平行光源,由于使用平行光源時,無論是將三維圖像放置在遠離光源的位置還是近距離的位鼉,對于重構成像質量沒有影響,而且不會丟失投影物的信息。因此,選用平行光源作為虛擬光源對三維數據進行光線跟蹤實驗結果如圖4.4所示,重構后的三視圖如圖4.5所示?？梢钥吹綀D像比較清晰,邊緣信息也比較豐富,而且計算重構成像時間方面只用了幾秒鐘,速度較快。圖4.4利用光線跟蹤法得到的重構幽像 (a正視圖(b側視圖(c俯視幽圖4.5重構圖像的三視圖&

8、#167;4.2三維醫(yī)學圖像配準DRR圖像是三維圖像經過投影后得到的,所以它是一個能夠反映三維空間信息的二維圖像?？梢詫煞錅实娜S圖像進行光線跟蹤重建得到DRR圖像,通過配準DRR圖像來配準三維醫(yī)學圖像“。§4.2.1基于改進的DRR技術實現(xiàn)三維醫(yī)學圖像間接配準在DRR成像過程中,通過改變平行光源的照射角度,來改變三維圖像繞三個坐標軸的旋轉角度。其原理如圖4.6和圖4.7所示。 圖4.6物體旋轉前示意圖圖4.7物體旋轉后的示意圖可以近似的將平行光的旋轉角度看作物體的旋轉角度。為了證明這一點,首先在實驗中將物體分別繞x軸旋轉15度,繞y軸旋轉15度,然后對變換后的物體進行DRR重

9、建。在光線跟蹤的過程中,不斷改變入射平行光的方向,并對物體進行DRR重建。通過對各組DRR圖像和變換前物體的DRR圖像進行配準,可以獲得一個配準函數,如圖4.8所示。 圖4.8平行光入射角度和物體變換角度的關系其中:X和Y分別代表入射光線繞著X軸和y軸的變換角度,Z軸代表配準函數輸出值。由圖可見,當平行光入射角度在物體旋轉角度的附近變換時,配準函數輸出值最大,所以,將平行光的入射角度近似地看作物體的旋轉角度是可行的。于是,對于兩幅待配準的三維圖像,可以通過配準他們的DRR圖像獲得一組變換參數作為三維圖像間的變換參數。具體步驟如下:(1用平行光對三維基準圖像進行光線跟蹤(平行于z軸,得到一幅DR

10、R圖像,稱之為DRR基準圖像。(2用平行光對三維浮動圖像進行光線跟蹤(平行于z軸,得到另一幅DRR圖像,稱之為DRR浮動圖像。(3根據給定的配準函數公式,計算DRR基準圖像和DRR浮動圖37 提出的改進的互信息為配準函數的情況。實驗結果見表4.2。表42三維圖像配準方法實驗結果比較根據得到的實驗結果,可以繪制出繞彳和y軸旋轉角度與配準函數間的三維曲面圖,見圖4.9。 (a一階互信息 m結合梯度信息的互信息圖4.9旋轉角度與配準函數關系圖由上面的實驗結果可見,通過配準三維數據的DRR圖像來間接配準兩幅三維圖像,能夠達到較好的精度,而且速度較快。這是因為重建DRR圖像只要幾秒鐘的時間,而在最佳入射

11、角度搜索過程中,只存在兩個參數的變換,所以時間較快。同時,在對兩幅DRR圖像進行配準時,所用到的數據是256*256的二維數據,而且變換參數只有4個,所用時間較短。選擇不同的配準函數,對于實驗結果的精度具有一定的影響。其中,選用的改進的互信息為配準函數所得到的實驗結果精度較高。那么,如何把快速、有效的三維配準方法應用于實際醫(yī)學圖像配準中,對于臨床診斷具有很大的醫(yī)學價值。在對測試圖像進行間接配準,得到比較理想的結果基礎上,將這種方法應用到實際的醫(yī)學圖像配準中。選取同一部位的三組不同模式的MRll、MRl2、MRl3的二維數據作為實驗數據。在得到一幅DRR圖像前,先對二維圖像組進行插值,然后重建成

12、三維體數據。經過不斷地改變入射光角度,得到不同的DRR 圖像,使用結合梯度信息的互信息配準方法對兩幅DRR圖像進行配準“,尋求最優(yōu)解,得到如下的實驗結果。 圖4.10配準結果其中:圖4.10左上圖足三維MRII圖像經過光線跟蹤后得到的DRR圖像,記為MRIIDRR。圖4.10右上和下圖是三維圖像MRl2和MRl3在最佳的平行光角度照射下重建得到的DRR圖像,分別記作MRl2.DRR和MRl3.DRR。以MRll.DRR作為參考圖像進行配準,得到比較結果如表43所示。表4-3MRl2一DRR、MRl3一DRR與MRll-DRR的配準結果表為了檢測配準后對原二維圖像的影響,對達到最佳配準的三幅三維41圖像進行三個方向的切割得到一系列二維斷層圖像,以MRll.DRR為例,如圖4.14所示。 圖4.14最佳配準三位圖像的三視圖其中:上面圖像是橫斷面示意圖,左側圖像是冠狀面示意圖,右側圖像是矢狀面示意圖。由上面的結果可以看出,通過二維DRR圖像來間接配準三維醫(yī)學圖像,得到的結果較為滿意,而且速度較快。對達到最佳配準的三幅三維圖像進行同一方向的切割得到的二維圖像具有很好的一致性。§4.3本章小結本章介紹了基于互信息的三維醫(yī)學