医学图像配准技术

医学图像配准相关的基础知识和多种配准算法，结合实验描述各种方法的性能 

本书主要介绍了与医学图像配准相关的基础知识及常用的配准算法。内容包括四大部分： *部分（第1～5章）涉及医学图像配准的基础知识，阐述图像配准的原理、基本框架、分类，医学成像技术，图像配准算法的组成，插值方法及常用的图像配准开源平台； 第二部分（第6、7章）介绍了基于相关性的医学图像配准方法和目前常用的Demons非刚体图像配准算法； 第三部分（第8～10章）介绍了信息论测度在医学图像配准中的应用； 第四部分（第11、12章）介绍了基于特征的医学图像配准方法。
本书可作为高等院校计算机、通信与信息系统、信号与信息处理等专业的研究生教材或参考书，也可作为医学图像分析、医学图像配准等领域的技术人员和研究人员的参考书。

目录

第1章绪论

1.1图像配准技术概述

1.1.1图像配准的定义

1.1.2图像配准的基本框架

1.1.3图像配准方法的分类

1.2图像配准的意义

1.3图像配准的应用领域

1.4医学图像配准技术

1.4.1医学图像配准的发展历史

1.4.2医学图像配准的国内外研究现状及面临的问题

1.4.3常用的医学图像配准方法

1.4.4医学图像配准的评价

1.5本书的结构与内容安排

参考文献

第2章医学成像技术

2.1引言

2.2X射线成像

2.2.1普通X射线成像

2.2.2数字X射线成像

2.3磁共振成像

2.4计算机断层扫描成像

2.5核医学成像

2.5.1正电子放射断层成像

2.5.2单光子发射计算机断层成像

2.6医学超声成像

2.7本章小结

参考文献

第3章图像配准算法

3.1引言

3.2特征空间

3.2.1点检测

3.2.2线检测

3.2.3霍夫变换

3.2.4边缘检测

3.2.5Harris角点

3.2.6SIFT特征点

3.2.7SURF特征点

3.3搜索空间

3.3.1刚体变换

3.3.2仿射变换

3.3.3投影变换

3.3.4弯曲变换

3.4相似性度量

3.4.1差值平方和

3.4.2绝对误差和

3.4.3归一化互相关

3.4.4相关比率

3.4.5互信息测度

3.5搜索策略

3.5.1Powell优化算法

3.5.2Simplex优化算法

3.5.3共轭梯度法

3.5.4拟牛顿法

3.5.5随机梯度下降法

3.6本章小结

参考文献

第4章灰度插值方法

4.1引言

4.2最近邻插值

4.3双线性插值

4.4三次卷积插值

4.5部分体积插值

4.5.1部分体积估计

4.5.2广义的部分体积估计

4.5.3计算复杂度

4.6本章小结

参考文献

第5章医学图像配准的开源平台

5.1引言

5.2ITK研发平台

5.2.1ITK的下载与安装

5.2.2ITK的系统概述

5.2.3ITK图像配准算法的实现

5.3Elastix工具箱

5.3.1Elastix简介

5.3.2软件的特色

5.3.3配准算法的组成

5.4本章小结

参考文献

第6章基于相关性的医学图像配准

6.1引言

6.2基于鲁棒相关系数的医学图像配准算法

6.2.1相关系数估计

6.2.2鲁棒的相关系数

6.3基于相关比的医学图像配准算法

6.3.1相关比

6.3.2条件相关比

6.3.3求导和优化

6.4基于增强相关系数的医学图像配准算法

6.4.1配准模型

6.4.2增强的相关系数

6.4.3模型的优化

6.5实验结果与分析

6.6本章小结

参考文献

第7章基于Demons算法的非刚体医学图像配准

7.1引言

7.2Demons算法

7.2.1吸引力的概念

7.2.2光流方法

7.2.3算法流程

7.2.4微分同胚的Demons配准算法

7.3Active Demons算法

7.3.1在扩散过程中引入正力

7.3.2多分辨率方法

7.4对称Demons算法

7.5可加的Demons算法

7.5.1算法的迭代过程

7.5.2Demons力

7.6实验结果与分析

7.7本章小结

参考文献

第8章信息论在医学图像配准中的应用

8.1引言

8.2信息论基础

8.2.1熵的概念

8.2.2联合熵和条件熵

8.2.3相对熵与互信息

8.3互信息在医学图像配准中的应用

8.3.1图像互信息

8.3.2概率密度估计

8.3.3基于互信息的医学图像配准

8.4几种其他的信息论相似性度量

8.5本章小结

参考文献

第9章基于JensenArimoto散度的医学图像配准

9.1引言

9.2Arimoto熵

9.3JensenArimoto散度

9.4与现有信息论测度的联系

9.5基于詹森Arimoto散度的医学图像配准算法

9.5.1配准框架

9.5.2变换模型

9.5.3目标函数

9.5.4优化方案

9.6实验和结果分析

9.6.1测试数据

9.6.2仿真数据配准实验

9.6.3临床数据配准实验

9.6.4实验结果分析

9.7本章小结

参考文献

第10章连续图像表示在信息论医学图像配准中的应用

10.1引言

10.2基于连续图像表示的直方图估计

10.2.1二维图像的联合直方图

10.2.2三维图像的联合直方图

10.3随机采样理论

10.3.1低差异序列

10.3.2计算成本

10.4快速连续的直方图估计

10.4.1二维图像的FCHE

10.4.2三维图像的FCHE

10.5基于连续直方图估计的医学图像配准

10.5.1空间变换模型

10.5.2目标函数

10.5.3优化方案

10.6实验结果与分析

10.6.1二维图像配准实验

10.6.2三维图像配准实验

10.7本章小结

参考文献

第11章基于熵图的医学图像配准

11.1引言

11.2熵特征相似度

11.2.1瑞利熵与散度

11.2.2互信息与α互信息

11.2.3α詹森相异性度量

11.2.4α几何算术平均散度

11.3熵图的估计

11.3.1最小生成树熵估计

11.3.2基于最近邻图的熵估计

11.3.3α几何算术平均散度和α互信息的
熵图估计

11.4基于多特征互信息的医学图像配准

11.4.1图像配准框架

11.4.2熵、熵图与α互信息

11.4.3优化方法

11.4.4α互信息的求导

11.4.5特征的选取

11.5实验结果与分析

11.6本章小结

参考文献

第12章基于结构特征的多模态医学图像配准

12.1引言

12.2结构图像表示

12.2.1熵图像

12.2.2拉普拉斯图像

12.2.3自相似度

12.3模态独立的邻域描述子

12.3.1动机与概念

12.3.2基于图像块的距离

12.3.3基于高斯函数的差异度量

12.3.4空间搜索区域

12.3.5利用MIND的多模态相似度

12.4基于高斯牛顿方法的配准框架

12.4.1刚体配准

12.4.2扩散约束的形变配准

12.4.3对称和反向一致性配准

12.5基于结构图像表示的多模态医学图像配准

12.5.1形变配准算法

12.5.2实验结果与分析

12.6本章小结

参考文献

前言

医学图像配准技术是医学图像处理的基础，在医学信息融合、肿瘤生长监测、图像引导手术治疗及放疗计划制定等方面发挥着重要的作用。医学图像配准可以将各种互补的信息融合在一起，为医生诊断病情提供更多可靠的信息。鉴于医学配准技术的重要性及今后的发展前景，本书从图像配准的基本概念出发，介绍医学图像配准的意义、应用领域及国内外研究的现状； 然后介绍几种常用的医学成像技术，让读者了解医学图像的特点； 介绍图像配准算法的基本框架，以及常用的图像配准开源平台； 最后通过实际配准例子着重介绍基于灰度和基于特征两大类配准方法。
本书的理论知识由浅入深，容易上手，比较适合初学者了解医学图像配准技术，并结合目前常用的开源框架及图像配准实验，深入分析各种算法的性能。本书可作为高等院校计算机、通信与信息系统、信号与信息处理等专业的研究生教材或参考书，也可作为医学图像分析、医学图像配准等领域的技术人员和研究人员的参考书。
本书共12章，分为四大部分。第一部分（第1~5章）主要介绍医学图像配准的基本知识。第1章为绪论部分，简要介绍了图像配准技术的概述、图像配准的研究意义、图像配准的主要应用领域及医学图像配准技术的主要内容； 第2章阐述了常用的医学成像技术，包括X射线成像、磁共振成像、计算机断层扫描成像、核医学成像及医学超声成像； 第3章介绍了图像配准算法的4个组成部分： 特征空间、搜索空间、相似性度量和搜索策略； 第4章描述了图像配准过程中常用的灰度插值方法； 第5章介绍了ITK和Elastix两种常用的医学图像配准开源平台。
第二部分（第6、7章）主要描述基于灰度的图像配准方法。第6章介绍了基于相关性的医学图像配准方法，着重描述了基于鲁棒相关系数、相关比和增强相关系数的医学图像配准算法； 第7章阐述了几种常用的基于Demons算法的非刚体医学图像配准。
第三部分（第8~10章）阐述基于信息论测度的医学图像配准。第8章介绍了信息论在医学图像配准中的应用，从信息论的基本概念出发，阐述图像互信息的概念及概率密度的估计方法，重点描述互信息在医学图像配准中的应用，并研究几种其他的信息论测度； 第9章主要研究基于Arimoto熵的医学图像配准，研究Arimoto熵的性质，构造新的散度测量，利用该散度建立配准框架，分析仿真和临床数据的配准结果； 第10章介绍了连续图像表示在基于信息论测度的医学图像配准方法中的应用。
第四部分（第11、12章）着重研究基于图像特征的配准方法。第11章描述了基于熵图的医学图像配准算法； 第12章主要介绍基于结构特征的多模态医学图像配准方法，着重阐述了几种常用的结构特征描述子及其在图像配准中的应用。
本书由中原工学院的李碧草、东南大学的舒华忠和平顶山第一人民医院的王贝撰写，全书由李碧草负责统稿。
作者多年来一直从事医学图像配准及相关方面的研究工作。本书是作者多年来从事该领域研究工作的结晶。该书获得河南省科技攻关项目（编号： 192102210127）、中原工学院学术专著出版基金的资助，在此表示感谢。
由于作者水平有限，书中难免有疏漏，恳请广大读者批评指正。

编者
2019年7月

第3章图像配准算法

3.1引言
图像配准算法的目的是寻找待配准图像间的最优空间变换参数，由特征空间、搜索空间、相似性度量及搜索策略4个部分组成［1］。特征空间是从待配准图像中提取的用于进行配准的特征信息，如图像的灰度、梯度信息以及其他图像特征； 搜索空间是在配准时选择的空间变换的方式（刚体变换、仿射变换、投影变换、弹性变换等），即选择什么样的变换模型； 相似性度量是衡量浮动图像经过每次变换后与参考图像之间的相似性，并为下一次是否进行变换提供依据； 搜索策略决定下一步空间变换的方向，即采用的优化方案，以便得到最优空间变换。图像配准算法的基本结构如图31所示。

图31图像配准流程图

3.2特征空间
3.2.1点检测

点检测属于图像灰度级间断检测技术，寻找间断最一般的方法是： 以邻域像素处理的方式对整幅图像使用一个模板进行检测［2］。对于一个3×3的模板（见图32），检测过程是计算模板所包围区域内图像的灰度值与模板系数乘积之和，图像中任意点的模板响应由下式给出：

R=ω1z1 ω2z2 … ω9z9=∑9i=1ωizi(3.1)

这里zi是模板包围区域内图像像素点的灰度级，R是相对于中心位置的模板响应，对整幅图像的检测过程即利用模板对所有像素点进行一次遍历。
对于一幅图像，孤立点的检测在理论上是很简单的。使用如图33所示的模板，如果某个点的模板响应满足

g(x,y)=1|R(x,y)|≥T

0其他(3.2)

图323×3模板

图33点检测模板

则说在模板中心位置上检测到了一个点，这里T是一个非负的阈值，R由式（3.1）给出，g(x,y)为输出图像中对应点的灰度值。实质上，这个公式是衡量中心像素点与其周围邻域点之间加权的差值。如果一个孤立的点与周围邻域点的灰度差异较大，而且它所处的位置是一个具有均匀灰度值的区域，那么认为这个点与周围点很不相同，就很容易被这类模板检测到。阈值T的选择是能否检测出孤立点的关键。需要注意的是，模板系数之和为零表明在灰度级相同或相近的区域内，模板的响应为零。