基于轮廓提取的医学图像配准方法

提出一种基于轮廓提取及循环迭代的估计医学图像间配准参数的方法，并构造了评价函数用于指导循环迭代过程．通过对实际医学图像进行实验，结果表明这种方法不仅适合单模态医学影像的配准，也非常适合多模态医学影像的配准．     

一种改进的多模图像自动配准方法

针对目前不同尺寸的多模态图像自动配准方法存在速度较慢的问题,提出一种改进的多模态图像的自动配准方法。对两幅不同尺寸的多模态图像进行小波变换,以分解后得到的概貌图像为待配准图像,以对齐度为适应度函数,利用遗传算法进行迭代搜索,寻找两幅多模态图像的最佳配准位置。实验结果表明,该方法能实现不同尺寸的多模态图像的自动配准,速度较快,准确性高,鲁棒性强。     

多模态医学图像配准算法综述

以多模态医学影像(多序列磁共振(MR)、计算机断层扫描(CT)和X光等模态)为研究对象,对近10 a的多模态医学影像配准相关研究工作进行归纳和分析．首先阐述面向临床应用的多模态医学配准的必要性,分析影像配准的一般流程;然后提出三种归纳角度对现有研究进行分析,重点总结多序列MR、CT和X光等模态之间的五种配准模式、五类常见配准的解剖结构及四类常用的多模态影像配准算法;接着分析七个用于多模态医学影像配准数据集和六个常用的配准评价指标;最后指出多模态医学影像配准算法面临的挑战和未来趋势．     

加快寻优的医学图像互信息配准算法的研究

为了实现多模态医学图像的配准融合,提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准.该算法首先使用形态学方法提取图像的边界,再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量,然后以此作为互信息法的初始参数进行寻优,找出最佳变换,实现CT和MR医学图像的自动刚性配准.该方法计算简单、运算量少.利用该配准算法实现融合的结果图像经过临床医生检验,认为达到临床诊断的要求,能辅助临床医生对疾病做出正确的诊断.     

加快寻优的医学图像互信息配准算法的研究

为了实现多模念医学图像的配准融合，提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准。该算法首先使用形态学方法提取图像的边界，再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量，然后以此作为互信息法的初始参数进行寻优，找出最佳变换，实现CT和MR医学图像的自动刚性配准。该办法计算简单、运算量少。利用该配准算法实现融合的结果图像经过临床医生检验，认为达到临床诊断的要求，能辅助临床医生对疾病做出正确的诊断。     

一种基于三维体数据的医学图像融合新方法

传统的医学图像融合技术是基于严格配准基础上的二维影像融合,对于两个具有不同扫描和成像参数的影像具有极大的局限性.本文提出的基于三维体数据的医学图像融合技术以三维重建为基础,对重建后的三维体数据,经三维几何和观察变换,达到空间位置上的重合,然后对变换后的两个体数据直接进行融合.在此基础上,按照解剖学结构,设置任意的解剖面对融合体数据进行截取,可以得到任意剖面的二维融合结果.三维融合技术不仅可以解决二维融合技术多模图像间分辨率不同的问题,而且可以避免二维融合技术中多模图像间配准误差的问题.研究证明,使用该方法不仅融合的结果更加准确有效,而且无需配准,适用于任意的医学成像设备的影像融合.     

基于混合蛙跳算法的SPECT-B超甲状腺图像配准

为了降低甲状腺肿瘤的误诊率和漏诊率,提出将甲状腺肿瘤的SPECT图像和B超图像进行多模异机融合,提供涵盖功能信息和结构信息的融合后图像,为手术规划和放射治疗提供依据.配准是融合的前提,针对2种成像模式的不同特点,采用阈值方法和图割方法提取轮廓并填充为二值图像,建立仿射变换模型对待配准图像进行变换,将混合蛙跳算法引入基于特征的配准过程中,将局部区域的二值图像的互信息量作为适应度函数以获取水平平移量、垂直平移量和旋转角度的全局最优解.实验表明,该算法具有参数少、配准精度高、鲁棒性强等特点,为2种模式图像的融合奠定了基础.     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

基于注意力模型的多模态特征融合雷达知识推荐

为了能够在数量庞大的雷达技术资料中快速准确地找到科研人员感兴趣的雷达知识信息并进行推荐,提出了一种基于注意力模型的多模态特征融合雷达知识推荐方法,学习高层次的雷达知识的多模态融合特征表示,进而实现雷达知识推荐.该方法主要包括数据预处理、多模态特征提取、多模态特征融合和雷达知识推荐4个阶段.实验结果表明:与只利用单一模态特征以及简单串联多模态特征的方法相比,利用文中方法学习到的多模态融合特征进行雷达知识推荐,推荐结果的准确率、召回率和综合评价指标(F1值)均有显著提高,表明提出的基于注意力模型的多模态特征融合方法对于知识推荐任务更加有效,体现了算法的优越性.     

基于多模态特征的光鄄SAR 图像融合配准算法

针对可见光和合成孔径雷达(SAR: Synthetic Aperture Radar)图像融合问题, 在图像预处理基础上, 从像素级特征、纹理级特征及边缘轮廓特征等多模态入手, 优化现有同源图像的配准融合算法。利用改进的SURF(Speeded Up Robust Features)算子、纹理分析及轮廓提取算法, 获取待融合图像的多模态和多尺度特征。通过模糊尺度标准化, 使异源图像特征对能更好地适应特征间的差异性, 从而能进行相似性的比较, 结合模糊相关系数法, 确保配准融合的精度, 实现光鄄SAR 图像信息的有效融合。与传统配准融合方法进行比较的实验结果表明, 该算法可提高光鄄SAR 配准的精度和适应性, 使配准融合的平均准确率达到87. 7%, 可满足较高精度的配准融合需求。     

基于局部熵的Active Demons多模医学图像配准

针对Active Demons算法只能配准同模态图像,并且图像的灰度梯度不太明显时形变方向无法确定从而导致误配准的问题,提出了一种基于局部熵改进的Active Demons多模医学图像配准算法.该算法首先将原图像转换为局部熵图像,然后使用改进的Active Demons算法进行配准,该算法在Active Demons分母上分别加入浮动图像与参考图像的灰度梯度值平方.正则化变换时以双边滤波器代替高斯滤波器,使得图像边缘的细节信息保持较好.多模态医学图像配准的实验结果说明该方法精确度高,使图像质量得以提升.     

一种新的多模态图像集成配准方法

提出一种新的多模态图像集成配准方法。该算法是在对齐度和归一化互信息2种方法的基础上,引入图像边缘检测和均衡化,从而综合利用6种配准算法进行集成多模态图像配准。使用少数服从多数和基于可信度的加权2种集成准则,对红外热像仪图像和相应可见光图像进行实验分析,结果证明该集成配准方法准确性高,鲁棒性强,较之非集成配准方法具有明显的优势。     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。     

一种用于多模态心脏图像配准的统计形状模型构建方法

统计形状模型构建的关键在于训练集样本形状的构造和形状特征点的自动提取.针对多模态心脏图像的配准问题,提出了一种统计形状模型的构建方法.模型的构建过程主要通过图谱标签图像训练集的建立、模板标签图像形状特征点的提取和模板形状到待标记图谱形状特征点的自动传递来完成.并在此构建方法的基础上,建立左心室统计形状模型引导多模态图像配准过程.为评估构建方法的有效性,使用心脏CT和MR图像数据集进行多模态配准实验验证.结果表明,基于统计形状模型约束的方法较仅靠互信息的方法在配准精度上有明显提高.     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.     

基于文本指导的层级自适应融合的多模态情感分析

提出了一种基于文本模态指导的多模态层级自适应融合方法,以文本模态信息为指导实现多模态信息的层级自适应筛选及融合。首先,基于跨模态注意力机制实现两两模态之间的重要性信息表征;然后通过多模态自适应门控机制实现基于多模态重要信息的层级自适应融合;最后综合多模态特征和模态重要性信息实现多模态情感分析。在公共数据集MOSI和MOSEI上的实验结果表明：对比基线模型,本文所提方法在准确率与F₁值方面分别提升了0.76%和0.7%。     

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.     

一种基于方向可控金字塔结构的快速医学图像配准算法

提出了一种快速医学图像配准算法.采用方向可控滤波器,稳定地提取图像多方向特征信息,合成特征图来进行更精确的配准.为了避免全局搜索旋转中心造成的高运算量,提出选取特征图的质心作为旋转中心进行图像空间变换而后逐层配准的方法.另外,计算质心还可以提供平移参数的初始估计范围,加速算法搜索时间.仿真结果证明该算法的精确度高,运算时间大为减少,在多模态图像配准中也有很好的效果.     

寻优方法在医学图像配准中性能比较研究

医学图像配准是以相似性测度为目标函数,通过多参数优化方法寻找最佳变换参数的过程.本文以MI为相似性测度,通过分别使用Poweli算法和PSO法等方法寻优得到最佳变换参数,并对它们的性能进行了比较.实验结果表明,Powell法适合于单、多模态配准;虽然PSO法能成功配准,但是寻优效率有待提高,有必要在精度和时间效率之间进...     

基于Fourier-Mellin变换的医学图像配准算法

针对基于互信息配准广泛应用于医学图像配准,存在计算量非常大、耗时长,受初始旋转和平移参数影响较大而使目标函数陷入局部极小等问题,采用Fourier-Mellin变换,先计算出2幅图像功率谱的反Fourier变换得到所对应的峰值位置,从而求得它们的相对平移,对于图像幅度谱用对数-极(Log-Polar)变换求出相对旋转角度,从而获得2幅图像配准参数,最后对图像进行配准.RTMT虽然能快速配准,但是配准精度有待提高.将RTMT和RMI结合在一起进行配准,即将RTMT获得的旋转角和平移量作为RMI的初始值,再应用RMI配准.这种方法不但计算量少而且运算简单,得出的结果精度高并且配准速度快,对于单模态图像配准和多模态配准都适用,还解决了容易陷入局部最优的问题.