毕业论文--基于Elastix的CT与MRI图像配准研究.doc
- 文档编号:294116
- 上传时间:2023-04-28
- 格式:DOC
- 页数:39
- 大小:2.36MB
毕业论文--基于Elastix的CT与MRI图像配准研究.doc
《毕业论文--基于Elastix的CT与MRI图像配准研究.doc》由会员分享,可在线阅读,更多相关《毕业论文--基于Elastix的CT与MRI图像配准研究.doc(39页珍藏版)》请在冰点文库上搜索。
湖南大学毕业设计(论文)
HUNANUNIVERSITY
毕业论文
论文题目
基于Elastix的CT与MRI医学
图像配准研究
学生姓名
学生学号
专业班级
自动化2班
学院名称
电气与信息工程学院
指导老师
学院院长
2015年 月日
湖南大学毕业设计(论文)
第II页
湖南大学毕业设计(论文)
摘要
医学图像是现代医疗诊断的重要方法,由于不同的物理理论不断地应用到医学影像中,医学成像设备不断升级,出现了各种各样的成像类型,常见的成像手段有核磁共振成像(MRI)、正电子发射型计算机断层显像(PET)、计算机断层成像(CT)等等,各类成像方式因为有成像原理上的差异,它们提供的图像具有不同的医学特征信息,且由于病人在不同时间,不同条件下,或是不同的设备(或是同一设备的不同参数)产生的图像也会有所差异,因此各图像的医学特征信息可能呈现片面化,但同时各图像的信息也是互补的,通过图像的配准可以全面地了解病人病情,方便医生进行诊断。
本文主要通过在Elastix中进行实验的方式,探究了头颈部肿瘤CT与MRI图像的刚性配准以及弹性配准的性能特点,在此之外还进行了联合测度配准的实验,经过实验证明如何选用算法和参数才能得到较好的配准结果。
关键词:
图像配准;Elastix;ITK;刚性配准;弹性配准;联合参数配准
窗体顶端
CT/PET/MRIimageregistrationbasedonElastix
窗体底端
Abstract
窗体顶端
Medicalimageisanimportantmethodofmodernmedicaldiagnosis,duetodifferentphysicaltheoriescontinuetobeappliedtomedicalimaging,andmedicalimagingdevicesescalating,appearedinavarietyofimagetypes,commonimagingmeanshavemagneticresonanceimaging(MRI),positronemissiontomography(PET),computedtomography(CT)andsoon,becausetherearedifferencesbetweenvarioustypesofimagingmodalityimagingprinciple,imagestheyofferdifferentfeaturesmedicalinformation,andbecausedifferentpatientstime,theimageunderdifferentconditions,ordifferentdevices(ordifferentparametersofthesamedevice)generatedwillvary,andthereforethemedicalinformationofeachimagefeaturemayappearone-sided,buteachimageinformationiscomplementarytobyimageregistrationcanfullyunderstandthepatient'scondition,convenientfordoctorstodiagnose.Inthispaper,byperformingexperimentsinElastixthewaytoexploretheperformancecharacteristicsofrigidregistrationandelasticregistration,andinadditiontothisalsocarriedoutjointmeasureswithquasiexperimentafterexperimenttodemonstratehowthechoiceofalgorithmsandparametersinordertogetbetterTheregistrationresults.
窗体底端
KeyWords:
imageregistration;Elastix;ITK;rigidregistration;deformableregistration;multi-metricregistration
第I页
湖南大学毕业设计(论文)
目录
1绪论 1
1.1医学图像配准研究背景及其意义 1
1.2国内外研究现状 2
1.3配准研究方法 2
2图像配准基本理论 3
2.1图像配准的定义 3
2.2医学图像配准的一般流程 4
2.2.1特征提取 4
2.2.2空间变换 4
2.2.3相似性测度 4
2.2.4优化策略 5
2.3Elastix中的配准 5
2.3.1相似性测度(Metrics) 5
2.3.2图像采样器(Imagesamplers) 7
2.3.3插值器(Interpolators) 7
2.3.4几何变换(Transfomation) 9
2.3.5优化算法(Optimiser) 11
2.3.6多级分辨率(Multi-Resolution) 12
2.4配准评估 13
3基于Elastix的CT/MRI配准 14
3.1刚性及弹性配准实验 15
3.1.1刚性配准实验 15
3.1.2弹性配准实验 18
3.2联合测度配准实验 22
4结论 25
致谢 26
参考文献 27
附录 28
附录A刚性配准参数文档 28
附录B弹性配准参数文档 30
附录C联合测度配准参数文档 32
第34页
湖南大学毕业设计(论文)
1绪论
1.1医学图像配准研究背景及其意义
自从上世纪初,X射线被用来作为医学诊断手段以来,医学诊断技术一直在更新换代,新的造影技术层出不穷,不断成熟的医学成像技术使得临床诊断更加方便和直观,确保了医生对病人病情的正确判断,为后续的有效治疗提供了坚实的保证。
医学图象技术所探究的内容包括图象的获取、重建、配准、分割和分析等方面,而此中的医学图像配准环节是一个非常实用且重要发研究方向领域[10]。
伴随着造影技术的升级,出现了各种不同的造影技术,从最早的X射线成像,到如今的计算机断层成像(CT)、核磁共振(MRI)、电子发射型计算机断层显像(PET)和单光子发射计算机断层成像术(SPECT)等技术,因为原理的不同,出现了多种模态的医学图像,各模态图像为医生提供了不同侧面的人体医疗信息。
各成象技术根据其所呈现的医学特征信息可分为两个类别:
一类是描述人体的解剖特征的解剖结构图像,例如CT、MRI等;还有一类是可以显示人体的新陈代谢信息的图像,例如PET、SPECT等;
两种成像手段各有其特点,各有其优劣,解剖结构图像可以获得各器官的解剖结构信息,图像分辨率高,但是对疾病敏感度不高。
当检测到疾病时,组织结构已经发生病变,甚至已经到了疾病的中晚期。
而功能结构图像可以获取各个器官的新陈代谢信息,能检测到细胞以及分子层面的病变信息,可以进行疾病的早期诊断,特别是对于癌症治疗,疾病的早期诊断是极其重要的。
遗憾的是功能结构图像的分辨率低,难以分辨解剖结构。
并且同一种类别的造影技术也各有侧重,例如CT图像相对于MRI图像来说侧重于骨组织;而MRI相对于CT图像来说侧重于软组织。
由此可见,要想通过医学图像来了解病人的病情全貌,仅仅使用单模态的图像是远远不够的,于是催生了多种模态图像配准的思想。
医学图像配准技术通过计算机算法找出不同模态图像的空间对应关系,通过一系列形变,使两幅图像(或者多幅图像)在空间上对齐,进而得到信息整合的综合图像。
1.2国内外研究现状
随着医疗设备的不断更新换代,计算机的存储容量不断扩张,处理器的速度不断提高,以及图像配准算法的不断改进,图像配准在日新月异地发展中。
国外的图像配准技术起步早,对其研究已形成比较完整的体系,各大研究机构以及高校与企业开发了许多图像配准软件和算法平台。
当今距离单模态匹配问题的基本完成已经过去了几十年,但对于多模态匹配,因其问题的复杂性,到现在仍是图像处理中备受关注的焦点问题[1]。
二十世纪八十年代以来,控制理论的不断发展,以及智能控制理论的出现,为图像处理提供了更多的途径与方法。
例如细胞神经网络(CNN)如今已经被广泛应用于图像处理,在图像处理中的线检验、图像分割、图像编码、边缘方向检测、孔填充、运动检验、特征提取、字符识别、去噪等等领域都取得了一定的成果[2]。
国内的图像配准技术起步较晚,各研究机构与高校相继开展了相关研究,提出了一些新的可行算法,对图像配准的发展起到了重要的作用。
1.3配准研究方法
现存的配准算法有很多,不同的算法有各自的优劣,不同的算法适用的场合也不尽相同,于是需要通过对比优化实验,得到最佳的配准算法以及配准参数。
通过使用Elastix配准软件,可以快速使用ITK上几乎所有配准算法,且无需进行复杂繁琐的程序编写,只需编写模块化的参数文档,再在CMD.EXE中调用ELASTX参数文档即可完成配准实验,大大提高了配准实验的效率,以便让研究人员把更多精力集中在算法的优化和对比中。
模块化的参数文档配置方便研究人员快速尝试各种配准算法,调试各种配准参数,以得到满意的,结合自己研究实际的算法和配准参数文档。
本文致力于研究医学图像的刚性和弹性配准,及其联合测度配准。
通过设计配准实验,对比刚性配准和弹性配准各自的特点,总结刚性与弹性配准各自所适用的配准对象,通过对结果的配准速度、配准精度等指标进行评估(可视化评估,以及量化评估),最终得到我们需要的,能用于病人实例的配准参数文档。
2图像配准基本理论
想要完成配准的实验,应当先掌握其基础理论知识,以及对相关软件的熟练运用。
本章作为后续章节的铺垫,叙述图像配准中的基本原理以及Elastix的基本使用知识。
2.1图像配准的定义
在配准的过程中,其中一幅图像是需要进行变换的图像,被称为浮动图象(movingimage),另一张作为基准的无需变换的图像被称为固定图像(fixedimage)。
设浮动图像和固定图像的维度为d,在他们各自的空间域中分别有:
以及。
且设一种变换,使得在空间上与对齐,这就是配准的最终目的[5]。
其示意图如下:
图2.1图像配准的任务是寻找两幅图像的空间映射关系,左为固定图像,右为浮动图像
从数学实质上来说,医学图像配准的过程是一个寻优过程,但是在寻优过程中有很多参数,是一个很复杂的优化过程,这个优化过程的代价函数可如下表示:
,(2-1)
配准过程可以表示为存在关于参数μ的空间变换使得两图像配准时代价函数最小。
2.2医学图像配准的一般流程
一般来说,图像配准有四个基本的步骤:
2.2.1特征提取
这一步进行图像特征的提取,通常有三种特征是经常被使用的[12]:
(1)特征点:
即为在几何上有有意义的特殊点。
特征点又可分为内部特征点以及外部特征点,人体内部固有的解剖结构点被称为内部特征点,而在外部人为标记而成的特征点被称为外部特征点,由于外部特征点需要人为干涉,并且对患者造成痛苦,已较少使用,现在医学图像处理主要基于内部特征点;
(2)特征曲线(曲面):
用图像分割的方法,把需要进行处理的部分提取出来,以便后续处理;(3)灰度统计特征,灰度统计特征由于其无需对图像进行预处理,是图像处理自动化的一个重点研究工具,本文所用的互信息测度准则就是基于统计特征来进行计算的。
2.2.2空间变换
经过特征提取后,图像配准问题就变成了浮动图像的特征空间到固定图像的特征空间的空间变换问题,也即找出浮动图像特征空间与固定图像特征空间的映射关系。
凭借各类空间变换性质的不同可以把空间变换分为两个大类:
刚性变换(rigidtransformation)与弹性变换(deformabletransformation),刚性变换允许对图像进行缩放、旋转、位移等操作,但是不能扭曲图像曲线,刚性变换一般用来对图像进行粗配准,把图像的位置对齐,但是无法处理形变区域进行;非线性变换可以处理形变区域,一般用于刚性变换之后进行局部处理,尤其是对浮动图像畸变区域(如果存在的话)进行矫正。
2.2.3相似性测度
用来评估两图像的匹配程度的度量函数被称为相似性测度,它用来测量图像配准是否达标。
相似性测度会明显影响到配准的精确度,是配准过程中的重中之重。
2.2.4优化策略
选择合适的优化算法在配准中非常重要,因为医学图像配准的过程本质上是一个多参数的寻优过程,选择合适的优化算法,可以迅速找到最优解,而不必遍历整个特征空间。
以上的几个步骤可以表示为下图:
相似性测度
优化策略
配准结果
浮动图像
图像插值
空间变换
固定图像
像素
优化结束
像素
变换参数
图2.2配准流程简单示意图
2.3Elastix中的配准
Elastix是基于著名的图像分割与配准工具包ITK的开源软件,Elastix集成了很多用来解决图像配准问题的常用算法。
Elastix使用非常简单,用户只需编写简单的模块化参数文件加以调用就能快速进行配准实验,免去了繁琐的程序编写与调试,让用户集中更多精力在配准算法的对比与优化上。
下面将介绍Elastix陪准过程中的各大模块,本文所用的完整的参数文档请参见附录,参数文档中各参数的推荐设置可在http:
//Elastix.isi.uu.nl/doxygen/parameter.html中查询。
2.3.1相似性测度(Metrics)
在上节所述,相似性度量是一个通用的配准过程中十分重要的一步,它决定了图像配准的精度和准确度,与配准结果的质量直接相关。
Elastix中提供了几种常用的测度:
平方和的差(SSD),在Elastix中选用它的语句为(Metric"AdvancedMeanSquares"),SSD的定义如下:
,(2-2)
其中为固定图像的值域,是固定图像的像素数量。
根据已给的变换,SSD能在固定图像中轻松迭代实现。
互信息(MI),在Elastix中通过语句(Metric”AdvancedMattesMutualInformation")来选择互信息用于相似性测度计算,其定义如下:
,(2-3)
其中和表示两图像上某相同位置的灰度值,是联合概率分布,以及是边缘概率分布。
互信息也可以定义为:
,(2-4)
其中和分别为固定图像和浮动图像的熵,为两图像的联合熵,当两图像完全相同时,联合熵为0,此时互信息最大。
互信息表示两幅图像的统计相关性,也即一幅图像包含另一幅图像的信息多少。
在Elastix中使用的是Mattes等人提出的负的互信息,其值越小,表示两图像相关程度越高[5]。
归一化互信息(NMI),在Elastix中用(Metric”NormalizedMutualInformation”)来选择使用NMI作为相似性测度。
归一化互信息可定义为:
,(2-5)
其中H为熵。
对比互信息的熵定义(2-4):
,
可以发现归一化互信息是为了避免当两张图像重叠区域太少,导致互信息太小而配准失效的情况,基于归一化互信息的图像配准具有更好的鲁棒性和配准精度。
2.3.2图像采样器(Imagesamplers)
通常来说,把图像所有像素进行采样可以获得最好的配准精度,但在实际应用中,这是没有必要的,很多时候只需要采样一定的子集即可满足需求。
选择什么样的采样方法需要用户根据自己的实际需求进行选择,在参数文档中用语句(ImageSampler"XXX")选择采样器,其中XXX为采样器名称,Elastix中提供了如下几种常用的采样方式以供选择:
全采样(Full),即如上述所说的对所有像素进行采样的方法,Elastix中虽然提供了这种方法,但是因为效率过低,且没有必要,通常不使用全采样。
网格采样(Grid),网格采样可理解为在固定图像上加上一定密度的网格,随之在网格点上进行采样。
相对于全采样,网格采样大大提高了采样速度。
用户可以根据自己的实际需要在参数文档中设置网格的大小。
随机采样(Random),随机采样会从固定图像中随机地采样出用户设置的像素值。
被采样图像中的每一个像素被采样的概率相同,并且可能被多次选中,也可通过参数文档设置避免同一像素被反复采样,采样数量由用户设置,是一种常用的采样方式。
随机坐标采样(RandomCoordinate),随机坐标采样和随机采样类似,但随机坐标采样不止限于像素点的采样,两个相邻的像素点之间的位置也可能被选中,和随机采样一样,随机坐标采样也是一种常用的采样方式,本文实验部分采用的就是随机坐标采样。
2.3.3插值器(Interpolators)
数字图像是由离散的像素组成,在对图像进行处理的过程中,变换后的图像像素坐标可能不是整数,为了使变换后的图像重新落在整数坐标轴上,形成新的数字图像,必须对变换后的图像进行合适的插值操作。
Elastix中同样提供了几种常用的插值器供用户选择使用,参数文档中选择插值器的语句为(Interpolator"XXX"),其中XXX为插值器在Elastix中的名称,下面列举几种Elastix中的插值器:
最近邻插值(NN),在Elastix中的名称为NearestNeighborInterpolator,最近邻插值是一种最简单也最容易理解的插值方式,即将变换后图像的像素点赋予与它最近的坐标点的值。
这种算法的优点是实现简单,计算量小,计算速度快,但是往往精度不高。
线性插值(Linear),在Elastix中的名称为LinearInterpolator,也被称为一阶插值,该法用非整数像素点附近的四个点的加权平均值(各点的权重为他们各自与非整数像素点的距离)来得出此位置的灰度值。
高阶插值(N-thorderB-spline),也称为N阶B样条插值,在Elastix中的名称为BSplineInterpolator。
最近邻插值和线性插值可以分别看成阶数N=0和N=1的高阶插值,通常来说,高阶插值的阶数越高,所得到的图像质量越好,但同时也会消耗更多的计算资源,并且到一定阶数以上之后,得到的图像效果改善不会太大,下图会说明这一现象。
图2.3为几种不同的插值器所得结果:
图2.3不同插值器结果,(a)为最近邻插值,(b)为线性插值,(c)为2阶B样条插值,(d)为3阶B样条插值,(e)为5阶B样条插值。
由上图可见,二阶以上的插值器效果改善不很明显,通常一阶插值就能满足实际需要,并且一阶插值有很好的性价比,所以我们经常在配准过程中使用一阶插值。
而在产生最终图像时,特别是最终图像需要进行弹性形变时,通常使用三阶B样条插值完成,以得到高精度的输出图像。
产生最终图像的插值器与配准过程中的插值器在语句上有一点区别,最终插值器的语句为(ResampleInterpolator"FinalXXX"),其中XXX为插值器名称,例如(ResampleInterpolator"FinalBSplineInterpolator")
2.3.4几何变换(Transfomation)
2.3.4.1几何变换的方向
关于几何变换的方向,经常会有误解。
直觉上来看,感觉是浮动图像进行几何变换后,映射到固定图像的特征空间,再与固定图像进行相似性测度计算。
而实际上,在Elastix中,几何变换的定义为从固定图像空间映射到浮动图像空间[7],即
,(2-6)
下图说明了这一过程:
插值
采样
图2.4几何映射的方向
由图可见,实际中的几何变换,是固定图像接受几何变换后,经过相似性测度的评价,得到浮动图像中的映射坐标,最后浮动图像根据被映射的点,经过插值后得到配准结果。
Elastix这样定义变换方向的原因是,配准过程中,固定图像需要进行采样后得到物理坐标系下的图像,再从固定图像的物理坐标系映射到浮动图像的物理物理坐标系(此时需要进行几何变换),被映射得到的浮动再经过插值运算反映射到逻辑坐标系中。
如果把几何变换定义为从浮动图像映射到固定图像,则重采样过程中不能保证固定逻辑坐标系图像采样后得到唯一的值,这会导致采样后的图像出现空洞,所以才把几何变换的方向定义为从固定图像映射到浮动图像,以保证与重采样方向的一致性。
2.3.4.2Elastix中的常用几何变换
Elastix中同样集成了几种常用的几何变换以供用户根据实际需求选择使用,在参数文档中选择几何变换的语句为(Transform"XXX"),其中XXX为几何变换在Elastix中的名称,例如(Transform"BSplineTransform"),表示选择使用B样条变换作为配准过程中的几何变换。
下面介绍几种在Elastix中的几何变换:
(1)刚体变换(Rigid),在Elastix中的名称为EulerTransform,刚体变换可定义为
,(2-7)
其中R为旋转矩阵,t为位移量,c为旋转中心。
在刚体变换中,整个图像被看作一个刚体,可以对其进行平移和旋转,但是不能对其进行缩放。
在对同一病人的脑部进行配准时常使用刚体变换,因为同一病人的脑部图像形变不会太大,刚体变换能够满足配准要求。
刚体变换也常常用来对图像进行粗配准,在复杂的形变较多的医学图像配准中,可以先用刚体变换,将图像全局对齐,之后再用弹性变换对局部形变进行处理,后一章将要进行的弹性配准以及联合参数就是用刚性配准的结果作为初始化变换来处理病人头颈部图像的配准问题。
(2)相似变换(Similarity),在Elastix中的语句为SimilarityTransform,它的定义式如下:
,(2-8)
相似变换是在刚体变换的基础上加上一个伸缩因子s,它不仅可以进行刚体变换的所有操作,也能进行图像的放大缩小,变换前后的图像是互为相似的。
(3)仿射变换(Affine),在Elastix中的语句为AffineTransform,其定义式为
,(2-9)
其中A为任意矩阵,仿射变换的含义是指变换前空间内两条平行的直线,在变换后的空间内任然保持平行,但是两条直线的夹角变换后角度可能会变化,变化后图像不与变换前图像相似。
(4)B样条变换(B-splines),其在Elastix中的名称为BSplineTrans
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业论文 基于 Elastix CT MRI 图像 研究