医学图像配准中的数据抽样方法研究.docxVIP

光电子·激光第19卷第2期 2008年2月Journal of Optoelectronics·LaserVol. 19 No. 2 Feb.20083医学图像配准中的数据抽样方法研究3胡顺波1 ,2 , 刘常春1 3 3(1.山东大学控制科学与工程学院,山东济南250061;2.临沂师范学院物理系,山东临沂276005)摘要:针对在基于灰度的医学图像配准中,传统数据抽样方法在过抽样时产生较多的局部极值点问题,提出了基于浮动图像灰度概率分布和其梯度信息的抽样方法。通过对人体脑部的刚体配准实验,从函数曲线和收敛性能方面,对比分析了五种数据抽样方法。实验结果表明,新抽样方法可以有效地减少局部极值点,提高归一化互信息测度的收敛性能。关键词:图像配准;归一化互信息;抽样中图分类号:TN911.73 文献标识码:A 文章编号:100520086(2008)0220237205Data subsampling in medical imageregistrationHU Shun2bo1 ,2 , LIU Chang2chun1 3 3(1. School of Control Science and Engineering ,Shandong University ,Jinan 250061 ,China ; 2. Department of Phys2ics ,Linyi Normal University ,Linyi 276005,China)Abstract:Inordertodecreasethenumberoflocalextremacausedbyoversubsamplingofconventionalsubsamplingmethodsinintensity2basedmedicalimageregistration,anewsubsamplingmethodbasedonintensityprobabilitydistributionandgra2dientinformationoffloatingimageisproposed.Thefunctioncurvesandconvergencearecomparedbyapplyingfivesubsam2plingmethodstotherigidregistrationofbrainimages.The resultsoftestsshowthat the new subsamplingmethodoutper2formsothersubsamplingmethodsinlessextremaandconvergenceperformanceofthenormalizedmutualinformation.Key words :image registration ; normalized mutual information ;subsampling1引言最大互信息配准是目前研究较多,应用较广的一种基于像素灰度的配准方法。在1995年被Collignon等[1]和Viola等[2]应用到医学图像配准之后,它的有效性得到了广泛的认可[ 3～6 ] 。这种方法配准精度高且不需要图像预处理,可以用于任何不同模态医学图像的配准。但是这种方法运算量大,配准时间长,难以满足临床上实时处理的要求。在基于像素灰度的配准方法中[7 ],数据抽样是提高配准速度的一种有效手段。Maes 等[3 ] 使用了均匀抽样法,在浮动图 像的坐标轴方向上进行均匀抽样。但是这种方法容易丢失一些重要信息,如图像的边缘等。Sabuncu等[8]提出了两种不同上述几种数据抽样方法都没有利用到灰度概率分布信息, 而这是基于像素灰度配准中最重要的信息。为此本文提出一种新的抽样方法,这种方法综合了梯度信息和灰度概率分布信 息,能保证浮动图像的灰度概率分布在抽样前后基本不变,对 相同灰度级的像素点,优先抽样高梯度的像素点。通过不同抽样方法的对比实验表明,该方法可以提高归一化互信息测度的收敛性能,减少局部极值点。2方法2. 1 互信息和归一化互信息已知随即变量A和B,它们之间的联合概率分布为pAB,的非均匀抽样法:确定性非均匀抽样(deterministicnonuniformsubsampling) 和随机性非均匀抽样( stochastic nonuniformsub2相应的边缘概率分布为pA定义为( a) 和p(b) ,则A和B间的互信息BpAB (a,b) sampling) ,这两种方法都是根据图像的梯度大小进行抽样,梯I(A,B) = ∑pAB(a,b)log pa p b度大的像素抽样间隔小,梯度小的像素抽样间隔大。S