多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.     

基于解剖标志点约束的脑部PET/CT图像图谱配准与脑区分割

正电子发射断层扫描/计算机断层扫描(positron emission tomography/computed tomography,PET/CT)图像在脑部疾病的诊断和治疗中已得到广泛应用.目前的脑部图谱配准方法大多采用全局优化策略,不能精细勾画大脑的解剖感兴趣区域,尤其对于深层脑区的分割精度有限.为此提出了一种结合...     

一种准自动多传感器图像配准方法

针对现有多传感器自动配准方法存在的应用局限性，提出了一种人机交互式粗—精结合的准自动配准方法．先选取少量控制点进行粗匹配，在此基础上利用整体图像信息进行精匹配．该方法将基于特征和基于区域的配准方法进行了有效结合，从而保证了配准的精度和效率，取得了令人满意的效果．此方法可以作为现有的自动配准方法的补充．     

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法.该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题.该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性.     

联合图像配准的脑卒中病灶自动分割方法研究

针对目前慢性脑卒中的病灶分割准确性相对较低的问题,提出了一种联合深度图像配准的慢性脑卒中自动分割方法。采用深度拉普拉斯金字塔图像配准网络,在微分同胚映射的空间内以从粗到细的方式获得大脑分区,以得到病灶位置的解剖先验信息;将原始磁共振图像和配准阶段的分区结果联合,输入到加入了通道和空间注意力模块的U-Net进行病灶分割。在公开的数据集ATLAS上进行测试表明,提出的方法有效提高了慢性脑卒中病灶分割的准确性,比经典的2D U-Net提升了4.4百分点,证明了基于深度图像配准的大脑分区先验可有效增强模型对病灶的分割性能,更好的组织分割能提高病灶分割准确性。     

多传感器遥感图像配准方法研究

目的对来自多传感器的同质或异质遥感图像进行自动配准。方法对传统的相关系数相似性量度进行深入分析,通过对其推广,提出一种也适用于异质遥感图像相似性度量的基于联合概率的方法,并通过具体的图像进行实验验证。结果利用基于联合概率的相似性度量方法分别实现了同质图像间、异质图像间的配准。结论利用基于联合概率的相似性度量方法可以很好地对多传感器异质图像进行自动配准,并且自动寻找同名点的精度,使其可达到子像素级。     

高精度多视频配准算法中静态图像配准算法的选取

在之前的研究中提出了一种高精度的多视频时空配准方法,该方法将Caspi等人提出的多视频配准算法与基于静态图像的配准算法有效地进行了结合.但在结合的同时,如何选取静态图像配准算法是需要考虑的问题.本文对两类主要的静态图像配准方法进行了理论分析与实验比较,提出了在我们的多视频时空配准方法中使用基于特征的静态图像配准算法的思路.实验结果验证了本文思路的合理性.     

扩散张量成像图像数据采集技术的参数优化

为优化扩散张量成像图像采集技术,在1.5 T磁共振扫描仪上,使用3种具有不同扩散编码梯度方向数目(NDGD)的序列成像,采用基于感兴趣区和体素的2种方法,在6个部位比较3个序列的扩散系数(〈D〉)、各向异性分数(FA)和扩散张量的本征值.另外,采用具有不同扩散敏感因子b值的序列成像,测量并探讨b值与图像信噪比和表观扩散系数的关系.结果表明,在感兴趣区水平,所有序列的〈D〉和FA及其标准差没有统计学区别,但张量本征值却有差异.在体素水平,在多数部位21-NDGD和31-NDGD序列的相关系数较高.随着b值增高,信噪比降低.当b值在一定范围内时,表观扩散系数及其标准差有不同的变化.实际中应根据不同的应用(感兴趣区或体素分析以及扩散张量成像测量参数的不同)来选择NDGD,选用b值介于400～1 300 s/mm2较为合适.     

基于小波变换的多光谱图像和全色图像配准算法

研究一种快速、准确的适用于大角度旋转的多光谱图像和全色图像自适应配准方法.该算法首先基于小波变换提取图像的角点作为特征点,然后提出利用基于区域带旋转角度估算的相似度最大和三角形相似的方法确定最佳的配准参数,最后采用迭代算法优化配准参数.实验结果表明:该方法可以准确、自动地获得不同的多光谱图像和全色图像之间的配准参数.     

基于MRF和图割的多尺度图像分割和配准同步方法

图像分割和图像配准是图像处理领域中的两个关键技术.事实上,图像分割和图像配准之间是相互依赖、彼此互惠的.本文以图割理论为基础,结合马尔科夫随机场(Markov Random Field,MRF)模型,提出了一种基于MRF和图割的多尺度图像分割和配准同步方法,该方法通过将分割信息和配准信息耦合在一起,利用两者的相互促进作用,以得到更准确的分割和配准结果,并通过实验证明了该方法的有效性.     

Effects of diffusion time and diffusion gradient strength on the mean diffusivity of water molecules in healthy human brain

Diffusion time and diffusion gradient strength are two important parameters of pulsed gradient spin echo (PGSE) that is the most commonly used method in diffusion-weighted magnetic resonance imaging. However, the effects of the diffusion time on the mean diffusivity (MD) in previous studies are controversial. In this study, a new experimental protocol was designed to evaluate the effects of the two parameters on the results of PGSE. It was found that MD decreased significantly with the increased diffusion time or increased diffusion gradient strength, which cannot be explained by the previous theories. Through theoretical analysis, we found the flaw in the pulsed gradient spin echo (PGSE) method, which is the explanation for the controversial results of diffusion time obtained by others.     

基于FMT的扩散张量成像脑白质纤维跟踪算法

扩散张量成像及脑白质纤维跟踪技术是目前惟一采用的活体、无创、三维显示脑白质纤维的成熟方法.针对扩散张量成像的特点,运用快速行进法产生基于体素的联合函数,并通过反向跟踪重建了脑白质纤维.实验结果表明,反向跟踪有效地解决了纤维的分叉问题,速度函数的改进使得跟踪的效率明显提高,而且结果也更加符合解剖结构.该算法的提出很好地解决了目前临床DTI数据可视化中的难题.     

基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割

针对U-Net网络感受野受限以及信息丢失导致的分割精度低的问题,提出了一种基于感受野扩增和注意力机制的U-Net脑肿瘤MR图像分割算法.首先,在U-Net网络中引入感受野模块(receptive field block,RFB)来增大网络的感受野,解决了网络由于感受野受限带来的分割精度低的问题.此外在网络中引入有效的通道注意模块(efficient channel attention,ECA)来增加网络对有用特征的响应,抑制网络中的冗余特征.使用BraTS(the brain tumor image segmentation challenge)提供的脑肿瘤MR图像数据对本文算法进行测试,用Dice相似性系数等指标进行评价,结果显示在完整肿瘤、核心肿瘤以及增强肿瘤的Dice值分别可达到0.86、0.86、0.79.与U-Net模型以及其他的网络相比得到了提高.实验结果表明,本文提出的算法能够有效提升脑肿瘤分割的精度,具有良好的分割性能.     

基于Riemann度量的张量值图像各向异性插值

张量值图像在数字图像处理中有很重要的作用,传统的线性插值方法只考虑了被插值点与采样点的位置关系,没有考虑采样点张量自身信息,在插值过程中容易造成边缘模糊。该文提出了一种Riemann度量框架下的各向异性插值方法,由张量场的梯度信息得到局部结构张量,用来确定邻域采样点的权重,依此构建自适应插值核函数,在Rie-mann度量框架下对邻域采样点加权求和得到被插值点张量值。该方法容易实现且效率高,这在含大量数据的张量值图像处理中显得尤为重要。实验结果表明,该方法既能保持张量值图像边缘特征和细节特征,又能保证插值后张量满足正定性条件。此外,各向异性的处理框架为张量值图像滤波、分割和配准等问题提供了新的解决方法。     

一种新的脑白质分割方法

基于扩散张量成像提出一种新的脑白质分割方法.首先,计算扩散张量成像的各向异性参数和扩散参数,并得到各个参数下的脑部图像;然后,通过期望值最大化(expectation maximization,EM)模型求得各个各向异性参数图像的脑白质和非脑白质区域;最后,通过STAPLE(simultaneous truth and performancel evel estimation)模型融合各个DTI参数图像分割结果,得到脑白质分割结果.实验结果表明,该方法具有较好的分割效果,能有效地从脑组织中分割出脑白质.     

肌萎缩侧索硬化症在3.0T MR及弥散张量纤维束示踪技术上的表现

目的:探讨肌萎缩侧索硬化症(ALS)在3.0T MRI及弥散张量纤维束示踪技术(DTT)上的影像表现.方法:使用GE 3.0T MR,对病例组进行T1WI,T2WI,FLAIR及DTI扫描,分析其在常规MRI上的表现;进行DTT成像,分析纤维束的形态及连续性.结果:69例病例组中,脑萎缩患者35例,占50.7%;在FLAIR及T2WI上皮质脊髓束走行区高信号患者,27例,占39.1%;中央前回皮质下"黑线征"为21例,占30.2%;69例病例组皮质脊髓束在三维彩色编码张量图上颜色混杂,在弥散张量纤维束示踪图上呈FA值较低的绿色或蓝色;部分病例组(9例)双侧皮质脊髓束形态欠对称;部分病例组(12例)脑桥层面未见纤维束通过.结论:ALS患者的常规MRI表现阳性率低;三维彩色编码张量图通过三种颜色混杂提示纤维束走行方向紊乱;弥散张量纤维束示踪图可直观显示ALS患者纤维束的损害.     

基于椭圆对称方向矩的可见光与红外图像配准算法

针对图像匹配制导中异源图像匹配难度大的问题,提出一种基于椭圆对称方向矩的可见光与红外图像配准算法.基于最稳定极值区域提取异源图像中具有尺度和仿射不变特性的椭圆区域,利用聚类分割方法从中自动选取具有异源不变性的同质区域特征,用椭圆对称方向矩描述区域特征边界各方向上的相似程度,通过互相关性指标进行特征匹配,获取匹配特征对,利用匹配矫正策略减少误匹配.实验结果表明:较传统算法,进一步提高了可见光与红外图像关联特征的匹配效率,正确率超过了95%,计算时间缩短了近一半.基本满足图像匹配制导对匹配算法实时性好、匹配正确率高、抗干扰能力强等要求.     

An improved exponential filter for fast nonlinear registration of brain magnetic resonance images

A linear elastic convolution filter was derived from the eigenfunctions of the Navier–Stokes differential operator by Bro-Nielsen in order to match images with large deformations. Due to the complexity of constructing the elastic convolution filter, the algorithm's efficiency reduces rapidly with the increase in the image's size. In our previous work, a simple two-sided exponential filter with high efficiency was proposed to approximate an elastic filter. However, its poor smoothness may degenerate the performance. In this paper, a new exponential filter was constructed by utilizing a modified nonlinear curve fitting method to approximate the elastic filter. The new filter's good smoothness makes its performance comparable to an elastic filter. Its simple and separable form makes the algorithm's speed faster than the elastic filter. Furthermore, our experiments demonstrated that the new filter was suitable for both the elastic and fluid models.     

基于改进CV模型的金相图像分割

对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese(CV)模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.