微机在ＳＰＥＣＴ中的应用的研究.pdfVIP

《电子工程师) 1999年增刊 微机在SPECT中的应用研究 徐炽康 苏州医学院计算机教研室(苏州，215007) ÷峥·辛一·}·+·啼”{一÷·÷．÷·中+-巾·争·夺÷·．6-4-·÷·÷·{H-争·夺十一·}·-6．·巾÷·-争·÷·+··p·÷·+·÷·{·夺÷·+·+-÷-+·÷· 将cosO和cosO的值代人得： 或“谷”，需要对图象进行平滑，方法为高斯滤 波。图象及平滑后的三维立体图(图略)。 等=鹧+缡一z麟 图象特征一“脊”或“谷”的检测结果图 在CT图像中，脊处的(2f／(v2值通常 略。 为较大的负值，在MR图像中，谷处的(2f／ 结果表明。CT图象的特征提取忧于MR (v2值为较大的正值。为了更好的提取脊或 图象。如果在MR图象中的某一区域为谷， 谷，避免图象中高频分量及噪声对二阶导数 而在CT图象相应的区域为非脊点，一个较 的严重影响，先对原始图像进行平滑，这里我 大的值与一个接近于零的值相乘。结果仍近 们选用高斯函数与图象进行卷积而达到平滑 似为零，因此，几乎不会对C的值产生影响． 的目的。 另外，这种算法对数据缺失不敏感，只要特征 2．2相关性 图象中有足够的相似结构，就可以实现配准。 相关性的计算采用下面的公式： 配准结果显示图略。 C一三，(X)．g(T(X)) 4讨论 其中，f、g为两待配准图象。x为图象f上的 一点“，y，z)。“x)为点x的灰度值。T(x)配准结果显示，采用基于图象特征的相 关算法是可行的。基于图象特征的相关性配 表示对x进行刚体变换。(x，Y，z)为整数坐 标，但T(X)不一定为整数坐标．因此需要采准算法的特点如下： 用插值技术来得到点T(X)的灰度值。整个 (1)算法简单。 配准过程就是寻找一刚体变换T(，使C具 (2)对数据缺失不敏感。 有最大值，这时即认为已经配准。由于(x，y， 参考文献 z)为整数坐标，但T(x)不一定为整数坐标， Petra A．den s1．Medical 因此需要采用插值技术来得到点T(X)的灰1 Elsen，et Image ReviewwithClassifieation． 度值。插值方法为三线性PV插值。整个配准 Matching——A IEEE in and MedicalBiology， 过程就是寻找一刚体变换T(，使c具有最 Engineering 19933：26—39 大值，这时即认为已经配准。 Petra 2 A．VandenElsen．