基于擴散張量圖像的配準算法研究.pdf

1、隨著科學技術的發(fā)展，越來越多的圖像模態(tài)被用于輔助臨床研究，擴散張量成像(Diffusion Tensor Imaging)作為一種新興的功能性成像方法，正被廣泛用作精神科疾病研究和診斷的輔助手段，其在描述潛在的腦白質病變方面有著無可替代的優(yōu)勢。DTI技術是一種活體檢測水分子彌散運動的方法，在成像過程中有多種因素可能導致采集的數據信息與人體的實際情況之間的誤差，因此圖像在用作診斷依據前需要進行配準，以盡可能真實地還原人體組織信息。

2、　　 一般標量圖像的配準過程需要一個變形模型、一個插值方案、一個相似性測度和一個正則化方案。由于DTI的數據采集方式與數據存儲形式的特殊性，現有的基于標量圖像配準方法無法直接應用于DTI圖像的配準工作中。本文根據DTI圖像特點，首先研究了DTI成像原理，然后分析了DTI數據在后期處理中重要參數的計算并簡要介紹了目前主流的DTI配準算法，最后針對現有算法的不足提出了一些新的DTI配準方法。本文采用特征值和特征向量重合率作為配準結果的客觀

3、評判依據，綜合分析比較現有算法與本文所提算法的效率及主客觀配準結果，旨在研究適合臨床醫(yī)學應用的DTI圖像配準方法。
　　 本文采用128×128×45的人類腦部DTI圖像做為實驗數據，利用MATLAB平臺進行仿真實驗。本文對DTI成像原理、配準方案以及配準結果的評判做了深入調查研究，在現有的配準方法基礎上進行改進，提出新算法并加以實現，從理論和實驗結果的角度對算法的優(yōu)劣進行分析評判。本文的主要工作可概括為以下幾點:1）闡述了標量

4、圖像向量化方法，采用多項式展開法實現了對圖像的方向粗配準，目的在于縮小后續(xù)配準算法的搜索范圍以提高配準效率;2）采用了結合單個像素點周圍鄰域信息的相似性測度方案，旨在降低單個像素點的誤配準率;3）提出了一種基于張量信息的多特征提取輔助判決匹配點的配準算法，根據張量特征分析待配準點的大概位置以縮小配準范圍并降低誤配準率;4）提出了基于稀疏表達理論的標記點自適應選擇算法，結合TPS變形矯正算法實現DTI圖像的彈性配準。最后本文選取多層DTI