图像处理

现代医学影像多样化为临床诊断和医学研究提供大量不同模态的医学图像，其普遍非刚性特点成为目前图像配准邻域的重大难题与热门。本文针对多模态下形变差异的医学图像配准精度和相似性测度较低现状，提出了一种基于最优Atlas图谱集搜索结合局部加权B样条变换的全自动非刚性分层配准分割ROI区域方法，该方法采用感知Hash算法找到与待配准图像相似度最优的Atlas模板图谱（相似度大于85%），多模态图像的非刚性配准通过局部加权B样条模型网格化结合限制内存记忆优化算法（L-BFGS）优化并得到变换参数模型，图谱掩膜Mask图像基于参数模型进行变换，利用掩膜图像变换结果分割图像ROI区域且进行ROI三维重建。本文方法通过对60例（200~300张/例）肺部计算机断层扫描（CT）和60例PET图像进行肺实质ROI区域配准分割及肺裂探测，实验结果表明，配准的ROI准确度达到95.6%，NMI值为1.8432，均方根误差为1.12%，相关系数提高了18.33%，本文提出的方法有效的提高了配准分割的准确度和精度，由实验结果可知，该方案相比其他配准方法配准精度以及准确度有明显提升，对临床辅助诊断有重要意义。

石跃祥, 陈才. 基于最优Atlas多模态图像非刚性配准分割算法研究[J]. 光学学报, 2019, 39(04): 2.  复制并引用该论文