基于强度和梯度场互信息自适应组合的脑MRI/PET图像配准

摘要

传统的互信息(MI)函数将两幅多模态图像以强度信息进行对齐，缺乏空间信息，往往会出现许多局部极大值，导致配准不准确。提出了一种强度与梯度场互信息(ACMI)自适应组合算法。梯度码映射(Gradient code maps, GCM)是通过对相应原始图像的梯度场信息进行编码来构造的。由GCMs计算得到的梯度场MI可以为强度MI提供互补性质，而ACMI将强度MI和梯度场MI结合了一个非线性权函数，该函数可以自动调整两种MI之间的比例，从而提高配准效果。实验结果表明，ACMI算法优于传统的MI算法，对图像分辨率降低或重叠的影响较小。

参考文献

1. F. Maes, A. Collignon, D. Vandermeulen, G. Marchal，和P. Suetens，“通过最大化互信息实现多模态图像配准”，IEEE医学影像汇刊，第16卷，第5期。2，第187-198页，1997。视图:出版商的网站|谷歌学者
2. P. Viola和W. M. Wells III，“通过最大化相互信息的对齐”，在第五届IEEE计算机视觉国际会议论文集，第16-23页，麻省剑桥，美国，1995年6月。视图:出版商的网站|谷歌学者
3. F. Maes, D. Vandermeulen，和P. Suetens，《使用互信息的医学图像注册》，IEEE论文集第91卷第1期10，第1699-1721页，2003。视图:出版商的网站|谷歌学者
4. J. P. W. Pluim, J. B. A. Maintz，和M. A. Viergever，“基于相互信息的图像配准中的插值人工产物”，计算机视觉与图像理解第77期2，页211 - 232,2000。视图:出版商的网站|谷歌学者
5. J. Tsao，“基于互信息最大化的多模态图像配准中的插值伪影”，IEEE医学影像汇刊第22卷第2期7，页854-864,2003。视图:出版商的网站|谷歌学者
6. t。巴兹和j。p。第三，“特征空间互信息的仿射配准”第四届国际医学图像计算和计算机辅助干预会议论文集(MICCAI’01)，第2208卷计算机科学课堂讲稿，第549-556页，荷兰乌得勒支，2001年10月。视图:谷歌学者
7. J. P. W. Pluim, J. B. A. Maintz, M. A. Viergever，“通过最大化组合的互信息和梯度信息的图像配准”，IEEE医学影像汇刊第19卷第2期8、2000年。视图:出版商的网站|谷歌学者
8. E. Haber和J. Modersitzki，“基于强度梯度的多模态图像配准和融合”，科技,众议员tr - 2004 - 0272004年6月，美国亚特兰大埃默里大学数学与计算机科学系。视图:谷歌学者
9. J. B. A. Maintz, P. A. van den Elsen, M. A. Viergever，“基于边缘和脊线的CT和MR脑图像配准比较”，医学图像分析， vol. 1, no. 12，页151-161,1996。视图:出版商的网站|谷歌学者
10. f·梅斯多模式医学图像的分割与配准:从理论、实现和验证到临床实践中的有用工具，博士论文，鲁汶天主教大学，鲁汶，比利时，1998。
11. C. Studholme, D. L. G. Hill，和D. J. Hawkes，“3D医学图像对齐的重叠不变熵度量”，模式识别，第32卷，第2期1，页71-86,1999。视图:出版商的网站|谷歌学者
12. 王旭东，“基于梯度码互信息最大化的图像配准方法”，图像分析与立体学，第24卷，第1-7页，2005。视图:谷歌学者
13. r·o·杜达，p·e·哈特和d·g·斯托克，模式分类，机械工业出版社，北京，2004年第2版。
14. J. A. Nelder和R. Mead，“函数最小化的单纯形方法”，电脑杂志，第7卷，第308-313页，1965。视图:谷歌学者
15. F. Maes, D. Vandermeulen，和P. Suetens，“通过最大化互信息实现多模态图像配准的多分辨率优化策略的比较评价”，医学图像分析，第3卷，第2期。4，第373-386页，1999。视图:出版商的网站|谷歌学者
16. J. C. Lagarias, J. A.里德，M. H. Wright，和P. E. Wright，“Nelder-Mead单纯形方法在低维中的收敛性”，SIAM优化学报，第9卷，第5期。1, 1998。视图:出版商的网站|谷歌学者
17. J. West, J. M. Fitzpatrick, M. Y. Wang等，“回顾性多通道脑图像配准技术的比较和评价”，计算机辅助断层摄影学报第21卷第2期4，第554-566页，1997。视图:出版商的网站|谷歌学者
18. R. C.冈萨雷斯和R. E.伍兹，数字图像处理，北京电子工业出版社，2002年第2版。
19. T. Hartkens, D. L. G. Hill, A. D. Castellano-Smith等人，“使用点和曲面改进基于体素的非刚性配准”第五届国际医学图像计算和计算机辅助干预会议论文集(MICCAI’02)，第2489卷计算机科学课堂讲稿，页565-572，东京，日本，2002年9月。视图:谷歌学者
20. P. Hellier和C. Barillot，“耦合密集和基于地标的非刚性注册方法”，IEEE医学影像汇刊第22卷第2期2，页217-227,2003。视图:出版商的网站|谷歌学者
21. H. J. Johnson和G. E. Christensen，“一致的地标和基于强度的图像配准”，IEEE医学影像汇刊第21卷第2期5，页450-461,2002。视图:出版商的网站|谷歌学者
22. P. Thevenaz和M. Unser，“基于互信息的亚像素图像融合的金字塔方法”IEEE图像处理国际会议论文集，第1卷，265-268页，瑞士洛桑，1996年9月。视图:出版商的网站|谷歌学者
23. E. H. W. Meijering, W. J. Niessen, M. A. Viergever，“基于卷积的医学图像插值方法的定量评价”，医学图像分析，第5卷，第5期。2，页111-126,2001。视图:出版商的网站|谷歌学者
24. R. He和P. A. Narayana，“互信息的全局优化:在磁共振图像三维回顾性配准中的应用”，计算机化的医学影像和图形第26卷第2期4，页277 - 292,2002。视图:出版商的网站|谷歌学者
25. T. Yokoi, T. Soma, H. Shinohara，和H. Matsuda，“基于MRI和SPECT脑图像的互信息和标准化互信息的共配准技术的准确性和重现性”，核医学年鉴第18卷第2期8，页659-667,2004。视图:谷歌学者
26. J. P. W. Pluim, J. B. a . Maintz, M. a . Viergever，《基于相互信息的医学图像注册:一项调查》，IEEE医学影像汇刊第22卷第2期8，页986-1004,2003。视图:出版商的网站|谷歌学者
27. M. Jenkinson和S. Smith，“一种用于脑图像鲁棒仿射配准的全局优化方法”，医学图像分析，第5卷，第5期。2，页143-156,2001。视图:出版商的网站|谷歌学者
28. C. Grova, A. Biraben, J. M. Scarabin等，“一种使用真实模拟SPECT数据验证MRI/SPECT配准方法的方法”第四届国际医学图像计算和计算机辅助干预会议论文集(MICCAI’01)，第2208卷计算机科学课堂讲稿，第275-282页，荷兰乌得勒支，2001年10月。视图:谷歌学者
29. J. P. W. Pluim, J. B. A. Maintz, M. A. Viergever，《多分辨率上下文中的相互信息匹配》，图像及视觉计算第19卷第2期1-2，第45-52页，2001。视图:出版商的网站|谷歌学者

版权

版权所有©2007刘建刚，田杰。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。