医学二维检测方法

‘壹’ 医学图像配准的医学图像配准方法

（1)点法 ( Point Method): 又分内部点( Intrinsic points)及外部点 ( Extrinsic points)。内部点是从与病人相关的图像性质中得到的 ,如解剖标志点 ( anatomical landmarkpoints)。解剖标志点必须是在三维空间定义的 ,并在两种扫描模式的图像中可见。
原则上外部点法可用于配准任何模式的图像 ,而且外部点在医学图像中要比内部点好识别得多 ,通过比较图像中记号的位置对配准结果也易于视觉检测;缺点是在使用这些记号时 ,受试者都要在扫描装置内严格保持不动 ,有些还是介入性的。
( 2)曲线法 ( Curve Method): Batler 对二维投影放射照片首先用人工的方法在两幅图像中寻找对应的开曲线 ( Open curve) ,再在两条曲线局部曲率最佳拟合的线段用相同的采样率找出一组对应点来 ,以后继续用点法匹配两幅图像
( 3)表面法 ( Surface Method): 基于表面的配准技术典型的例子是Pelizzari 和Chen 研究的“头帽法”。从一幅图像轮廓提取的点集称作帽子 (`hat’ ) ,从另一幅图像轮廓提取的表面模型叫作头 (`head’ )。 一般用体积较大的病人图像 ,或在图像体积大小差不多时用分辨较高的图像来产生头表面模型。
( 4)矩和主轴法 ( Moment and PrincipalAx es M ethod): 借用经典力学中物体质量分布的概念 ,计算两幅图像像素点的质心和主轴 ,再通过平移和旋转使两幅图像的质心和主轴对齐 ,从而达到配准的目的 。
( 5)相关法 ( Correlatiom Method): 对于同一物体由于图像获取条件的差异或物体自身发生的小的改变而产生的图像序列 ,采用使图像间相似性最大化的原理实现图像间的配准 ,
( 6)最大互信息配准法 ( Maximizatio n ofMutual Info rmatio n): 互信息是信息论的一个基本概念 ,是两个随机变量统计相关性的测度。 Woods 使用给出参考像后测试图像的条件熵作为配准的测度。他研究的 AIR是一种广泛应用于 PET到 MR图像配准的算法 ,
( 7)图谱法 ( Atlas Method)与非线性变换 技术: 不同人脑图像的配准远比同一个人的不同模式图像的配准困难得多 ,这是因为每个人脑的形状、尺寸都有很大的差异。如果我们将脑图像作一定的尺度变换 ,并对深度内部结构适当取向后 ,就会发现不同人脑的解剖结构的大小和形状方面还是具有一定的共性的。 这就使我们有可能构造一个解剖图谱 ,其前提是受试者间脑的拓扑结构具有不变性。 由于在脑图谱构建过程中有神经解剖学专家直接参与 ,利用脑图谱进行配准 ,就可以利用图谱所包含的先验知识来对病人或其他人的图像自动识别和正确地分割。