本站小編為你精心準(zhǔn)備了醫(yī)學(xué)圖像自動配準(zhǔn)分析參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1醫(yī)學(xué)圖像標(biāo)志點的自動識別

圖像識別是二十世紀(jì)六十年代提出來的,美英等西方國家相繼建立了自動目標(biāo)識別(AutomaticTargetRecognitionATR)實驗室,當(dāng)時設(shè)想讓導(dǎo)彈能夠通過圖像識別來自動尋找飛機、艦船和坦克等目標(biāo)。二十世紀(jì)八十年代后,圖像識別在許多領(lǐng)域得到了廣泛的應(yīng)用,取得了一些可喜的成果,例如,條碼識別、車牌識別、人臉識別、指紋識別等。近年來,隨著醫(yī)學(xué)影像的發(fā)展,圖像識別開始應(yīng)用于醫(yī)學(xué)領(lǐng)域,用來識別如細胞、病毒的種類或數(shù)量等。手術(shù)導(dǎo)航系統(tǒng)中用于成像的標(biāo)志點有兩種:一種是環(huán)形標(biāo)志點,價格較貴,使用中的效果不好,正在逐漸被淘汰;另一種是球形標(biāo)志點,在三維重建的過程中可能會產(chǎn)生稍微的形變。為了提高自動識別的可靠性和定位精度,在此使用區(qū)域相關(guān)景像匹配的方法,來識別球形標(biāo)志點。取一個內(nèi)含標(biāo)志(記)點的小正方形作為模板,正方形的中央是標(biāo)志(記)點,其余部分是背景。

用這樣一個模板(小圖像),在圖像(大圖像)中尋找與模板最為相像的小圖像,使用的測度是兩圖像間的相關(guān)系數(shù)。模板相關(guān)匹配算法如下:(1)預(yù)設(shè)一個初值;(2)使用模板相關(guān)匹配算法,用這個小正方形在圖像上遍歷一次,如果相關(guān)系數(shù)小于初值,循環(huán)停止。否則,執(zhí)行3;(3)如果相關(guān)系數(shù)大于或等于初值,那么相關(guān)系數(shù)最大的位置,就是所求的標(biāo)志(記)點。將這個點去掉,轉(zhuǎn)而執(zhí)行2。立體定向手術(shù)計劃系統(tǒng)中真實的患者圖像,在這幅MRI圖像中,這些點是由頭框架兩側(cè)的有機玻璃內(nèi)含的硫酸銅產(chǎn)生的,不太規(guī)則。有的點小些,有的點大些,有的亮,有的暗,如圖1(a)。取下方中間的點為中心的9×9的小圖像作為模板,采用區(qū)域相關(guān)景像匹配算法進行識別,選擇合適的閾值后,能夠在1s左右將所有的標(biāo)志點識別出來,并且所有點都位于模板的中央。手術(shù)導(dǎo)航系統(tǒng)中另外一幅真實的患者圖像,從圖上可以看出兩個標(biāo)志點因存在稍微的形變都不夠圓,取其中一個點作為模板來識別這兩個標(biāo)志點,算法在0.5s內(nèi)將兩個標(biāo)志點準(zhǔn)確無誤地識別出來,對其它圖像標(biāo)志點的識別也是如此。因此,本研究提出的算法具有很強的適合性、可靠性、精確性。

2標(biāo)志點的多維距離向量及其相關(guān)系數(shù)

前面通過識別在兩個空間得到了兩組坐標(biāo)值(點),但是得到的這兩組點是無序的,并不知道一個空間的一個點對應(yīng)另一個空間的哪個點,因此必須找出兩組坐標(biāo)值(點)之間正確的對應(yīng)關(guān)系,才能使用最小二乘法。現(xiàn)在的問題是:已知兩組不同的坐標(biāo)值,求出它們之間的對應(yīng)點。解決問題的思路是這樣的:根據(jù)剛體變換前后任意兩點的距離保持不變這個性質(zhì),分別在兩個空間中,求每一個標(biāo)志點到其余各點的距離,對這些距離標(biāo)量進行排序,并將它們作為分量組成一個向量。

這樣,每一個標(biāo)志點都可以惟一地表示為一個多維距離向量。圖像空間N個標(biāo)志點可以惟一地表示為N個多維距離向量,手術(shù)空間N個標(biāo)志點也可以惟一地表示為N個多維距離向量。通過比較多維距離向量的相似性,就可以在兩個空間中找到正確的點對。向量相似性的比較是通過計算向量間相關(guān)系數(shù)來實現(xiàn)的。

3標(biāo)志點的自動配準(zhǔn)

為求兩個空間標(biāo)志點的對應(yīng)關(guān)系,不能用“=”來判別,由于存在測量誤差,兩個對應(yīng)點的多維距離向量并不嚴(yán)格相等。因此需要間接地比較兩點所對應(yīng)多維距離向量的相關(guān)系數(shù)。相關(guān)系數(shù)的物理意義是:從整體上比較兩個維數(shù)相同向量的相似程度。它是一個標(biāo)量,取值介于0和1之間。

當(dāng)兩個向量各分量完全相同時,它的值為1;完全不同時,它的值為0。兩個正確的對應(yīng)點它們的多維距離向量具有最大的相似性。因而,求對應(yīng)點問題,轉(zhuǎn)化為求兩個多維距離向量相關(guān)系數(shù)的最大值問題。圖像空間N個標(biāo)志點m1,m2,…,mN都對應(yīng)一個惟一的多維向量S1,S2,…,SN,手術(shù)空間的N個標(biāo)志點m′1,m′2,…,m′N也對應(yīng)一個惟一的多維向量S′1,S′2,…,S′N,以圖像空間的N個多維距離向量S1,S2,…,SN為行,以手術(shù)空間的N個多維距離向量S′1,S′2,…,S′N為列,以它們之間的相關(guān)系數(shù)為元素組成N×N矩陣。逐列求相關(guān)系數(shù)的最大值,最大值所處的行和列就說明標(biāo)志點在兩個圖像空間與手術(shù)空間的對應(yīng)關(guān)系。

例如,假如R(S′i,Sj)是該列的最大值,就表明手術(shù)空間的第i個標(biāo)志點就是圖像空間第j個標(biāo)志點。這樣,就間接地實現(xiàn)了兩個空間標(biāo)志點的自動配準(zhǔn)。現(xiàn)以其中的一組數(shù)據(jù)為例,說明整個計算過程。按臨床通常使用的標(biāo)志點數(shù),取8個標(biāo)志點,即N=8。記圖像空間的標(biāo)志點為m1,m2,…m8;手術(shù)空間的標(biāo)志點為m′1,m′2,…,m′8。首先,求出圖像空間每個標(biāo)志點m1~m8到其余標(biāo)志點的距離,從而每個標(biāo)志點都對應(yīng)一個7維向量;其次,將7維向量的分量由小到大排列,這樣每個標(biāo)志點都對應(yīng)惟一一個多維距離向量S1~S8;同理,可得手術(shù)空間標(biāo)志點m′1~m′8的多維距離向量SS1~SS8。以圖像空間向量S1~S8為行,手術(shù)空間向量SS1~SS8為列,在兩個向量組的相交處求每兩個向量的相關(guān)系數(shù)。

4實驗結(jié)論采集

8個患者實際圖像進行實驗,每個圖像組含有6~8個標(biāo)志點。實驗結(jié)果表明:圖像空間中每一個標(biāo)志點都準(zhǔn)確無誤地找到了在手術(shù)空間中對應(yīng)的標(biāo)志點,識別率100%,識別一個標(biāo)志點需要的時間不到0.25s;配準(zhǔn)的速度更快,配準(zhǔn)所有的標(biāo)志點只需0.02s,接近于實時,配準(zhǔn)的精度可以達到1mm左右。將已知的兩組對應(yīng)點坐標(biāo)值代入得到N個等式組成的線性方程組,用最小二乘法解這個線性方程組,可以得到剛體變換矩陣,從而實現(xiàn)從圖像空間到手術(shù)空間的自動配準(zhǔn)[3]。限于篇幅,在此不再詳述。

綜上所述,本研究提出的標(biāo)志點自動識別和自動配準(zhǔn)算法,精度高、速度快、可靠性強,基本實現(xiàn)了醫(yī)學(xué)圖像配準(zhǔn)和融合的自動化。該功能用于手術(shù)導(dǎo)航系統(tǒng)中,能夠提高配準(zhǔn)精度,簡化操作過程,節(jié)約配準(zhǔn)時間;用于手術(shù)計劃系統(tǒng)和多模圖像融合軟件中,能夠?qū)崿F(xiàn)配準(zhǔn)和融合的自動化,完全滿足臨床的要求。