醫(yī)學(xué)圖像配準(zhǔn)分類探究范文

本站小編為你精心準(zhǔn)備了醫(yī)學(xué)圖像配準(zhǔn)分類探究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《計(jì)算機(jī)科學(xué)雜志》2015年第S1期

醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像處理的一個(gè)重要方面，該研究對(duì)疾病診斷和治療具有重要的意義。近年來，大形變配準(zhǔn)作為醫(yī)學(xué)圖像非剛性配準(zhǔn)的一個(gè)重要方向取得了快速的發(fā)展，各種配準(zhǔn)方法以其豐富的理論支撐為醫(yī)學(xué)技術(shù)的發(fā)展提供動(dòng)力，不斷出現(xiàn)的研究成果使得該領(lǐng)域成為研究的熱點(diǎn)。近年來，隨著計(jì)算機(jī)視覺成像技術(shù)和醫(yī)學(xué)工程的發(fā)展，醫(yī)學(xué)影像學(xué)可以為臨床診斷提供CT、MRI、fMRI、SPET、PET、DSA等圖像。在臨床上我們常見的癌癥檢測(cè)可視化就與圖像配準(zhǔn)息息相關(guān)。癌癥最有效治療階段是在早期檢測(cè)時(shí)，病人的生存概率依賴于檢測(cè)期間的腫瘤大小。腫瘤越大，其在重要器官間轉(zhuǎn)移的概率越大。早期發(fā)現(xiàn)腫瘤是治愈的關(guān)鍵。采用許多不同的成像方法對(duì)癌癥進(jìn)行檢測(cè)和發(fā)現(xiàn)可疑損傷是必要的。這直接導(dǎo)致了檢測(cè)和診斷癌癥的方法替代了成像方式的調(diào)查，如超聲、磁共振成像（MRI）、計(jì)算機(jī)斷層掃描（CT）、正電子發(fā)射斷層掃描（PET）、和單光子發(fā)射計(jì)算機(jī)斷層掃描（規(guī)范T）等。每種成像技術(shù)都有自己的優(yōu)點(diǎn)和缺點(diǎn)，在某種程度上提供互補(bǔ)的病理信息。獲得器官圖像的同時(shí)，在不同的時(shí)期或者不同的顯像模式下，通常通過配準(zhǔn)來幫助分析和可視化器官圖像。圖像配準(zhǔn)應(yīng)用很廣泛，包括更好的雙邊或時(shí)間透視X光照片或通過預(yù)處理來增強(qiáng)MRI圖像病變的可視化、斑點(diǎn)追蹤和圖像組合（即多視點(diǎn)圖像的總和）在超聲波中的檢查、PET圖像以及通過不同方式的融合獲得的配準(zhǔn)圖像比對(duì)。同時(shí)，醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像處理領(lǐng)域中的一個(gè)重要和基本的研究課題，它是醫(yī)學(xué)圖像融合、醫(yī)學(xué)圖像重建、圖像與標(biāo)準(zhǔn)圖譜的匹配等研究的基礎(chǔ)。建立模型是推進(jìn)配準(zhǔn)算法強(qiáng)有力的理論思路。根據(jù)生物體的物理特性，其所對(duì)應(yīng)圖像反映出不同的物理動(dòng)態(tài)，依據(jù)這些模型揭示出圖像的本質(zhì)特性。綜上，醫(yī)學(xué)圖像配準(zhǔn)技術(shù)在臨床上具有重要的應(yīng)用價(jià)值，也是醫(yī)學(xué)圖像處理領(lǐng)域的研究熱點(diǎn)。本文就醫(yī)學(xué)圖像配準(zhǔn)的分類、具體變形模型的發(fā)展、配準(zhǔn)方法的應(yīng)用這3個(gè)主要方面，對(duì)醫(yī)學(xué)圖像配準(zhǔn)算法的最新研究進(jìn)展進(jìn)行綜述和討論，并對(duì)各種模型算法的特點(diǎn)及典型應(yīng)用進(jìn)行比較和說明。

1基于處理流程的配準(zhǔn)方法分類

1．1空間維度的分類待配準(zhǔn)圖像可以按照空間維數(shù)分為2D／2D、2D／3D以及3D／3D配準(zhǔn)。2D／2D配準(zhǔn)通常是指兩個(gè)斷層層面間的配準(zhǔn)；2D／3D配準(zhǔn)通常是指空間圖像或投影圖像間的配準(zhǔn)；3D／3D配準(zhǔn)是指兩幅三維空間圖像間的配準(zhǔn)。2D／2D圖像配準(zhǔn)不具有回溯性，而2D／3D、3D／3D配準(zhǔn)則可以突破這個(gè)局限［65］。但當(dāng)2D擴(kuò)展到3D時(shí)，參數(shù)個(gè)數(shù)和圖像數(shù)據(jù)量也會(huì)增大，配準(zhǔn)也會(huì)變復(fù)雜。

1．2配準(zhǔn)特征的分類按照配準(zhǔn)的特征，可以將配準(zhǔn)分為基于外部特征的配準(zhǔn)、基于內(nèi)部特征的配準(zhǔn)和基于非圖像的配準(zhǔn)。

1．2．1基于外部特征的配準(zhǔn)外部特征顧名思義指的是加在病人身上的各種清晰可見、易檢測(cè)到的人造標(biāo)記，這種方法不需要復(fù)雜耗時(shí)的優(yōu)化算法，因此配準(zhǔn)過程簡(jiǎn)單易于實(shí)現(xiàn)，并且配準(zhǔn)速度快。該方法的缺點(diǎn)是由于圖像的成像階段需要使用各種標(biāo)記物，因此其無法實(shí)現(xiàn)回溯式圖像配準(zhǔn)。該方法具體可分為侵入式（如立體框架、植入式螺絲標(biāo)記等）和無創(chuàng)的（如牙套、皮膚標(biāo)記法等）。兩種方式相比，非侵入式雖然對(duì)病人比較友好，但精度較低并且適用范圍較小。基于外部特征的配準(zhǔn)方法沒有使用醫(yī)學(xué)圖像本身的特征信息，所以這種方法僅限于同一患者不同影像模式之間的配準(zhǔn)，而不適用于患者之間和患者圖像與圖譜之間的配準(zhǔn)。

1．2．2基于內(nèi)部特征的配準(zhǔn)內(nèi)部特征指的是醫(yī)學(xué)圖像中能反映患者的生理結(jié)構(gòu)或病灶的形狀、大小以及能反映圖像像素灰度的內(nèi)在信息。基于內(nèi)部特征的方法具有回溯性。內(nèi)部特征來自于病人的圖像信息，具體可分為基于標(biāo)記點(diǎn)、基于分割和基于灰度信息的圖像配準(zhǔn)。點(diǎn)特征可以是解剖形態(tài)上明顯可見的標(biāo)記點(diǎn)，也可以是具有局部曲率極值的幾何標(biāo)記點(diǎn)。基于標(biāo)記點(diǎn)的圖像配準(zhǔn)理論上可以用于任何圖像，但常用在剛體和仿射變換中。如果特征點(diǎn)數(shù)目足夠多，也可以用來實(shí)現(xiàn)復(fù)雜的彈性變換。基于分割的圖像配準(zhǔn)通常是從圖像中分割出具有一定語義結(jié)構(gòu)的線段和曲面，其可以是基于剛體模型的，也可以是基于形變模型的。這種方法最大的缺點(diǎn)就是配準(zhǔn)精度受分割效果的限制，除了分割部分，算法可以做到全自動(dòng)化。基于灰度信息的配準(zhǔn)方法是把圖像內(nèi)部的灰度信息值作為配準(zhǔn)依據(jù)，灰度信息的利用方式有兩種：1）根據(jù)圖像的灰度信息統(tǒng)計(jì)量，將圖像灰度簡(jiǎn)約成典型的矢量集，然后對(duì)這些矢量進(jìn)行配準(zhǔn)（如矩和主軸法）；2）在配準(zhǔn)過程中直接使用整幅圖像的灰度信息（如灰度方差最小化法、互信息法、互相關(guān)法）。當(dāng)然，灰度信息配準(zhǔn)方法對(duì)圖像數(shù)據(jù)的缺失較為敏感。

1．2．3基于非圖像的配準(zhǔn)對(duì)多峰圖像進(jìn)行非圖像配準(zhǔn)看起來似乎是不可能的，但這種方法是通過校準(zhǔn)兩個(gè)掃描器的成像坐標(biāo)系統(tǒng)來實(shí)現(xiàn)的。一般使兩個(gè)電子掃描器位于相同的物理位置，并且在獲得兩幅圖像的過程中患者保持不動(dòng)。這在臨床中是可以實(shí)現(xiàn)的，如超聲波通過光學(xué)定位系統(tǒng)很容易進(jìn)行校準(zhǔn)，之后再與CT／MR進(jìn)行校準(zhǔn)。坐標(biāo)系的校準(zhǔn)技術(shù)也常用于將安裝在機(jī)械手上的外科工具位置定位到配準(zhǔn)圖像上。

1．3成像模式分類按照?qǐng)D像的成像模式不同，可將成像模式分為單模態(tài)圖像配準(zhǔn)和多模態(tài)圖像配準(zhǔn)。單模態(tài)圖像配準(zhǔn)是指浮動(dòng)的兩幅圖像是用同一種成像設(shè)備獲得的，它主要應(yīng)用于不同的MRI加權(quán)圖像間的配準(zhǔn)、電鏡圖像序列的配準(zhǔn)、FMRI圖像序列的配準(zhǔn)等。多模態(tài)圖像配準(zhǔn)是指浮動(dòng)的兩幅圖像來源于不同的成像設(shè)備，如CT和MRI圖像的配準(zhǔn)。

1．4研究對(duì)象和配準(zhǔn)部位分類研究對(duì)象按圖像來源可以分為3類：1）同一患者的圖像配準(zhǔn)；2）不同患者的圖像配準(zhǔn)；3）患者和圖譜間的配準(zhǔn)。

1．5交互性配準(zhǔn)過程按交互性可分為人工配準(zhǔn)、半自動(dòng)化配準(zhǔn)和全自動(dòng)化配準(zhǔn)。人工配準(zhǔn)完全由人工憑借經(jīng)驗(yàn)進(jìn)行，信息輸入計(jì)算機(jī)后實(shí)現(xiàn)的只是顯示工作，不需要復(fù)雜的配準(zhǔn)算法；半自動(dòng)化配準(zhǔn)需要人工給出一定的初始條件，如人工勾畫出輪廓、控制優(yōu)化參數(shù)等；全自動(dòng)化配準(zhǔn)不需要人工干預(yù)，由計(jì)算機(jī)自動(dòng)完成。

1．6相似性測(cè)度醫(yī)學(xué)圖像配準(zhǔn)的相似性測(cè)度與特征空間、搜索空間緊密相關(guān)。相似性測(cè)度可以基于特定同類特征間的距離，也可以基于待配準(zhǔn)圖像間灰度值的差別。因此，圖像配準(zhǔn)方法又可以分為基于像素相似性的配準(zhǔn)和基于特征相似性的配準(zhǔn)兩大類。

1．6．1灰度差異的配準(zhǔn)測(cè)度灰度差異的配準(zhǔn)測(cè)度主要包括最小化灰度均方差（SSD）和最小化灰度差值的絕對(duì)值（SAD）兩種測(cè)度。SSD和SAD是兩種簡(jiǎn)單、直接、容易實(shí)現(xiàn)的度量圖像差異程度的相似性測(cè)度方法，可以取得快速配準(zhǔn)的效果，但是僅僅適用于單模態(tài)且灰度差異相對(duì)較小的醫(yī)學(xué)圖像。

1．6．2互信息的配準(zhǔn)測(cè)度互信息是信息論的一個(gè)基本概念，用于描述通信系統(tǒng)的接收端在噪音的干擾下所獲取的關(guān)于發(fā)送端的信息的多少。互信息可用于圖像配準(zhǔn)的理論依據(jù)是：如果兩幅圖像已經(jīng)配準(zhǔn)，則它們的互信息達(dá)到極大值。相互交流信息，可以使用參數(shù)化和基于特征的配準(zhǔn)來解決對(duì)應(yīng)問題。配準(zhǔn)多式聯(lián)運(yùn)圖像是艱巨的任務(wù)，但往往需要解決，特別是在醫(yī)療成像方面。

2基于圖像特征的配準(zhǔn)方法分類

2．1基于特征的配準(zhǔn)方法特征可以是特征的標(biāo)記點(diǎn)、分割區(qū)域的質(zhì)心、輪廓、表面、容積等，或是以上幾種的組合。

2．1．1基于點(diǎn)的方法兩幅圖像對(duì)應(yīng)的點(diǎn)集確定后，對(duì)這些標(biāo)志點(diǎn)進(jìn)行配準(zhǔn)，圖像也就配準(zhǔn)了。BrianC．Porter等利用MR圖像中的脈管作為標(biāo)記點(diǎn)對(duì)兩幅圖像進(jìn)行空間三維配準(zhǔn)。Rangarajan等對(duì)待配準(zhǔn)的兩幅圖像提取出形狀特征點(diǎn)的集合，然后利用互信息法來達(dá)到配準(zhǔn)。而后周永新等對(duì)該法引入人機(jī)交互，避免了局部極值，縮短了優(yōu)化過程。由于很多圖像配準(zhǔn)技術(shù)只適用于圖像間小角度的旋轉(zhuǎn)（約0°～5°），周鵬等提出了一種適用于大角度旋轉(zhuǎn)的圖像配準(zhǔn)，該方法適用于剛性變換。

2．1．2基于面的方法基于面的配準(zhǔn)方法中最典型的就是頭帽算法。即從一幅圖像中提取一個(gè)表面模型稱為“頭”，從另一幅圖像中提取的輪廓點(diǎn)集稱為“帽”。用剛性變換或選擇性的仿射變換將“帽”的點(diǎn)集變換到“頭”上，然后采用優(yōu)化算法使“帽”的各點(diǎn)到“頭”表面的均方根距離最小。多分辨率金字塔技術(shù)可克服局部極值問題，PoWeII探索算法被用來尋求所需的幾何變換，用距離變換擬合兩幅圖像的邊緣點(diǎn)，斜面匹配技術(shù)可有效地計(jì)算距離變換。

2．2基于矩的方法矩的方法［34］也出現(xiàn)在分類配準(zhǔn)方法中，使用分段或二值化圖像數(shù)據(jù)作為輸入。在許多應(yīng)用中，矩的方法是為了強(qiáng)制性地預(yù)分割以產(chǎn)生可接受的結(jié)果。

2．3基于灰度的方法

2．3．1最大互信息配準(zhǔn)法互信息量是兩個(gè)隨機(jī)變量統(tǒng)計(jì)相關(guān)性的一種測(cè)度，該測(cè)度近年來已經(jīng)被廣泛應(yīng)用于多種圖像的配準(zhǔn)。用2個(gè)變量的聯(lián)合概率分布與完全獨(dú)立的概率分布的廣義距離作為變量之間的相似性測(cè)度，即互信息（MI）。當(dāng)含有相同內(nèi)容的兩幅圖像通過幾何變換在空間對(duì)齊時(shí)，它們包含的灰度值互信息量最大，因此互信息量最大化可以作為圖像配準(zhǔn)準(zhǔn)則。最大互信息的配準(zhǔn)過程實(shí)質(zhì)上是搜索最佳的幾何變換參數(shù)，使兩幅圖像的互信息達(dá)到最大。

2．3．2相關(guān)法對(duì)于同一物體由于獲取條件的差異或物體自身空間位置的改變而產(chǎn)生的單模圖像配準(zhǔn)問題，常常使用互相關(guān)法。互相關(guān)值的大小反映配準(zhǔn)的效果。互相關(guān)法是找出各圖像之間相關(guān)性最大的空間變換參數(shù)來實(shí)現(xiàn)圖像的配準(zhǔn)，該方法通過優(yōu)化兩幅圖像間的相似性測(cè)度來估計(jì)空間變換參數(shù)。相關(guān)函數(shù)、相關(guān)系數(shù)、差值的平方和等都可以作為相似性測(cè)度。趙富強(qiáng)等用基于圖像特征（“脊”或“谷”）的相關(guān)性算法對(duì)三維CT－MR圖像進(jìn)行了配準(zhǔn)。羅綱等則以傳統(tǒng)的Umeyama點(diǎn)集相關(guān)度量為基礎(chǔ)，結(jié)合Procrustes正規(guī)化配準(zhǔn)方法，提出了一個(gè)新的圖像特征點(diǎn)集配準(zhǔn)的加權(quán)相關(guān)算法。ShunichiKaneko等提出了一種選擇性相關(guān)系數(shù)法，以用于光照條件不好或曲線不完全閉合的圖像配準(zhǔn)。秦斌杰等對(duì)基于體素配準(zhǔn)中廣泛采用的相似性測(cè)度（SM）進(jìn)行了比較研究，認(rèn)為在配準(zhǔn)條件極不理想的條件下，基于互信息、歸一化互信息、相關(guān)比的SM是最為適用的。但基于互信息對(duì)多模醫(yī)學(xué)圖像進(jìn)行配準(zhǔn)時(shí)，在得到幾何變換的優(yōu)化過程中容易陷入局部最優(yōu)；而基于相關(guān)性進(jìn)行多模醫(yī)學(xué)圖像配準(zhǔn)時(shí)，考慮了在表現(xiàn)人體組織結(jié)構(gòu)時(shí)體素灰度值范圍的近似量化，易得到全局最優(yōu)值。此外還有許多其他配準(zhǔn)方法，如最大相似性法、基于FFT的方法、能用于大尺度變形的流體動(dòng)力學(xué)法、局部頻率法和由粗到精進(jìn)行迭代的金字塔法等。

3基于變形模型的配準(zhǔn)方法分類

3．1基于物理的模型彈性配準(zhǔn)技術(shù)依賴于需配準(zhǔn)目標(biāo)的物理模型，配準(zhǔn)過程即是把源圖像到目標(biāo)圖像的變形看作一個(gè)與彈性材料如橡膠的拉伸相似的物理過程，這個(gè)物理過程由兩個(gè)力支配：彈性體的變形產(chǎn)生的內(nèi)力和施加在彈性體上的外力。如果內(nèi)力和外力達(dá)到平衡，彈性體的形變將停止。外力是施加在彈性體上的力，驅(qū)動(dòng)配準(zhǔn)過程；外力通常選擇相似性量度標(biāo)準(zhǔn)的梯度，如基于強(qiáng)度、強(qiáng)度差分或強(qiáng)度特征如邊緣和曲率的一個(gè)局部相關(guān)量度，此外還可選擇相應(yīng)解剖結(jié)構(gòu)曲線和曲面間的距離作為外力。SteliosKrinidis等在序列切片的重建中用到了基于物理模型的非剛性配準(zhǔn)。該物理模型包含4個(gè)用環(huán)形結(jié)構(gòu)采樣的有效塊，在該有效塊上環(huán)繞2D目標(biāo)切片有一個(gè)圓。每一個(gè)模型結(jié)點(diǎn)有一個(gè)塊m與它的兩個(gè)鄰接點(diǎn)相聯(lián)通，鄰接點(diǎn)具有硬度為k的相同彈性，常數(shù)k和m描述了模型的物理特性。模型結(jié)點(diǎn)是力平衡的目標(biāo)輪廓點(diǎn)，不表示內(nèi)部的目標(biāo)區(qū)域；為目標(biāo)輪廓建模后，用特殊仿射矩陣確定連續(xù)切片的輪廓點(diǎn)的對(duì)應(yīng)性，并且自動(dòng)消除無意義的點(diǎn)的對(duì)應(yīng)性；最后，完成非剛性配準(zhǔn)的過程。

3．1．1彈性體模型彈性模型由Broit首次提出，該模型將源圖像到目標(biāo)圖像的形變過程建模為一個(gè)彈性形變的物理過程。這個(gè)物理過程由內(nèi)力和外力兩種力來控制，當(dāng)作用于彈性體上的外力和內(nèi)力達(dá)到平衡時(shí)，形變過程結(jié)束。J．Rexilius等提出了基于彈性變形模型的非剛性配準(zhǔn)算法。他們用非線性擴(kuò)散濾波器平滑圖像后計(jì)算圖像梯度，選取高于梯度平均值兩個(gè)偏差的像素點(diǎn)作為特征點(diǎn)，用局部歸一化互相關(guān)（NormalizedCross－Correlation，NCC）作為相似性測(cè)度計(jì)算特征點(diǎn)的稀疏變形估計(jì)量，該估計(jì)量作為外力引入建立的彈性模型。彈性體的形變可以由Navier線性方程來描述。由于彈性變換模型一般適用于組織形變較小的情況，不適用于大形變，近年來有關(guān)學(xué)者結(jié)合黎曼彈性能量和微分流形的理論對(duì)線性彈性模型進(jìn)行改進(jìn)，使其適用于非線性彈性形變的配準(zhǔn)。

3．1．2曲率配準(zhǔn)曲率模型基于形變由平衡微分方程描述，其優(yōu)點(diǎn)是不需要對(duì)放射線性變換做補(bǔ)償計(jì)算。目前該方面的研究集中在方程求解方面。該方法可以有效地解決不存在明確對(duì)應(yīng)關(guān)系的點(diǎn)云配準(zhǔn)問題，提出了一種基于點(diǎn)云幾何特征的配準(zhǔn)算法。首先以點(diǎn)云的曲率為聯(lián)系特征，搜索配準(zhǔn)點(diǎn)云的匹配對(duì)集合；然后利用鄰域特征對(duì)各匹配對(duì)進(jìn)行相似性度量，提取有效配準(zhǔn)對(duì)，并引入剛體變換中向量幾何性質(zhì)剔除其錯(cuò)配對(duì)，生成點(diǎn)云初變換；仿真實(shí)驗(yàn)結(jié)果表明：該算法具有較高的配準(zhǔn)精度，且配準(zhǔn)時(shí)間較短。

3．2彈性體樣條樣條是一類分段（片）光滑并且在各段交接處也有一定光滑性的函數(shù)。樣條形成的曲線在連接點(diǎn)處也具有連續(xù)的坡度與曲率，所以在圖像配準(zhǔn)領(lǐng)域有廣泛的應(yīng)用。樣條配準(zhǔn)的技術(shù)均是假設(shè)在源圖像和目標(biāo)圖像上已經(jīng)存在一組對(duì)應(yīng)點(diǎn)，這些對(duì)應(yīng)點(diǎn)通常稱作控制點(diǎn)。基于樣條的方法使用插值逼近獲得從目標(biāo)圖像到源圖像對(duì)應(yīng)點(diǎn)的位移量，在控制點(diǎn)之間，樣條提供了一個(gè)平滑的變位移域。

3．3流體模型粘流體模型由Christensen等人提出。由于應(yīng)力引起的變形能量與變形強(qiáng)度呈比例增長(zhǎng)，基于彈性變換的配準(zhǔn)存在著局部變換不能夠模型化的局限性。在流體配準(zhǔn)中，這些約束隨著時(shí)間放寬，使得包括拐角的局部變形都能夠模型化。因此在多主體配準(zhǔn)工作（包括圖譜配準(zhǔn)）中，由于存在大的變形和大的可形變度，流體配準(zhǔn)很有吸引力。同時(shí)，由于流體配準(zhǔn)有很多的自由度，圖像重合失調(diào)的范圍也隨之增加。該模型允許更大程度的形變，特別適合不同個(gè)體之間（Inter－sub－ject）包括圖譜之間的配準(zhǔn)。Christensen建議用連續(xù)性超松弛（SuccessiveOver—Re－laxation，SOR）方法解偏微分方程，但是，這個(gè)算法運(yùn)行相當(dāng)慢，需要很長(zhǎng)時(shí)間，BroNielsen等人提出了一個(gè)較快的實(shí)現(xiàn)方法，通過從線性彈性算子的本征函數(shù)派生卷積過濾器來求解。但是，通過卷積求解偏微分等式時(shí)認(rèn)為粘滯度是一常量，雖然有些情況下并不滿足此條件。例如，Lester提出了一種模型，允許流體的粘滯度在空間上發(fā)生變化，因此對(duì)于圖像的不同部分考慮不同的形變度，這樣偏微分等式必須通過傳統(tǒng)的數(shù)值算法來獲得，如SOR。YongmeiWang等把統(tǒng)計(jì)形狀信息融合到流體配準(zhǔn)中，統(tǒng)計(jì)形狀信息表現(xiàn)為偏微分方程的一項(xiàng)，通過SOR求解。

3．4Demons力模型配準(zhǔn)Demons力模型源于熱物理學(xué)的例子擴(kuò)散研究。目前最著名的非剛體算法是基于光流場(chǎng)模型的Demons算法。不同于光流場(chǎng)配準(zhǔn)方法，Demons算法沒有直接使用光流場(chǎng)方程，而是借用光流場(chǎng)概念由Demons力推動(dòng)像素點(diǎn)的位移。該算法將圖像配準(zhǔn)問題看作物理學(xué)中的擴(kuò)散問題，把固定圖像中對(duì)象的邊界看作半透膜（SemiPermeableMem－branes），而將浮動(dòng)圖像視為可形變的網(wǎng)格（DeformableGrid）。形變網(wǎng)格在位于薄膜中的受動(dòng)器（Effectors）的作用下進(jìn)行擴(kuò)散。在計(jì)算機(jī)視覺領(lǐng)域，光流場(chǎng)概念的最初引入是為了恢復(fù)目標(biāo)和觀測(cè)者在一個(gè)瞬時(shí)圖像序列的兩個(gè)連續(xù)幀之間的運(yùn)動(dòng)。Demons算法判斷出浮動(dòng)圖像上各個(gè)像素點(diǎn)的運(yùn)動(dòng)方法，通過對(duì)各個(gè)像素點(diǎn)的移動(dòng)來實(shí)現(xiàn)非剛體配準(zhǔn)。De－mons算法也是一種基于梯度的算法，所有基于光流場(chǎng)模型梯度的方法不僅效率高、易于實(shí)現(xiàn)，而且能夠得到比較精確的瞬時(shí)位置速度。基本假設(shè)是一個(gè)特定點(diǎn)的亮度保持為常數(shù)。Hellier等人提出了一種基于光流場(chǎng)的算法，該算法用一個(gè)包含相似性測(cè)度和平滑項(xiàng)的代價(jià)函數(shù)作為健壯性估計(jì)量。變形域首先被分割成立方體，立方體再分割成基于分割模板和變形性質(zhì)信息的子立方體，在每個(gè)立方體內(nèi)，用仿射變換為變形域建模。整個(gè)過程不依賴任何解剖信息，如光流場(chǎng)算法的一個(gè)常見問題是重新排列腦間溝和腦回。深層腦結(jié)構(gòu)的拓?fù)浜托螤钅繕?biāo)之間是相似的，但在皮質(zhì)層有很大變化。為了解決這個(gè)問題，Hellier等人增大他們的代價(jià)函數(shù)，即使之包含兩個(gè)圖像體上由均勻腦回間溝得到的稀疏約束項(xiàng)。用活動(dòng)帶從圖像中提取腦回間溝，健壯性估計(jì)量依賴于允許的配準(zhǔn)，回間溝并沒有把目標(biāo)間的分割誤差和拓?fù)洳罘挚紤]在精確的匹配內(nèi)。在Thirion正則化方法的框架下，Hartmann提出了一種包括回間溝約束的相關(guān)方法。但是，當(dāng)圖像的運(yùn)動(dòng)速度較快時(shí)，微分方法誤差很大，甚至是錯(cuò)誤的。正是由于這樣的優(yōu)點(diǎn)和缺點(diǎn)使得Demons算法成為研究的熱點(diǎn)，進(jìn)而成為著名的方法，之后有一系列的重要改進(jìn)算法出現(xiàn)，如Addi－tiveDemons算法、SymmetricDemons算法、Diffeomor－phicDemons及其系列相關(guān)算法等。

3．5擴(kuò)散模型的微分同胚的配準(zhǔn)擴(kuò)散模型基于形變由擴(kuò)散方程決定。在文獻(xiàn)中，Thirion首次提出擴(kuò)散模型與Demons算法。基于該模型與微分流形以及其它模型結(jié)合的研究取得了較好的進(jìn)展。微分同胚流模型基于形變速度場(chǎng)數(shù)學(xué)表示。該模型的優(yōu)勢(shì)在于解決大形變問題（LargeDeformationDffeomorphicMetricMapping，LDDMM）。但對(duì)于形狀變化較大時(shí)該類方法存在適應(yīng)性不佳的問題，同時(shí)計(jì)算量較大。微分同胚非剛性配準(zhǔn)與小形變模型的主要差別在于它所得到的映射是個(gè)微分同胚微分同胚這樣的映射具有光滑可逆的性質(zhì)且逆映射也是光滑的，所以表達(dá)這種映射的形變場(chǎng)中每一整數(shù)網(wǎng)格點(diǎn)的雅克比行列式值都大于零。微分同胚非剛性配準(zhǔn)的最大優(yōu)點(diǎn)是保持圖像的拓?fù)浣Y(jié)構(gòu)在配準(zhǔn)前后不發(fā)生改變：圖像中原來分離的解剖結(jié)構(gòu)配準(zhǔn)后仍保持分離；原來連續(xù)的結(jié)構(gòu)仍保持連續(xù)；平滑的解剖特征如某些曲線或曲面仍保持平滑。它的另一個(gè)優(yōu)點(diǎn)在于微分同胚的任意次復(fù)合仍為微分同胚。另外，它對(duì)大小形變均適用。

4結(jié)束語

醫(yī)學(xué)圖像配準(zhǔn)是一項(xiàng)比較復(fù)雜和困難的課題，本文綜述了近年來醫(yī)學(xué)圖像配準(zhǔn)發(fā)展中的典型技術(shù)。目前，非剛體的圖像配準(zhǔn)技術(shù)同剛性圖像相比還不成熟，這使得我們不得不在精確度、速度、自動(dòng)化程度等方面加以取舍。另外，在手術(shù)過程中對(duì)人體器官進(jìn)行實(shí)時(shí)配準(zhǔn)已經(jīng)成為醫(yī)學(xué)圖像配準(zhǔn)的主要應(yīng)用之一，這就要求醫(yī)學(xué)圖像配準(zhǔn)要具有實(shí)時(shí)性和準(zhǔn)確性，同時(shí)有效的、全自動(dòng)的配準(zhǔn)策略須向快速和準(zhǔn)確的方面發(fā)展，使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對(duì)非剛性圖像配準(zhǔn)的研究是今后醫(yī)學(xué)圖像配準(zhǔn)的方向發(fā)展。

作者：劉益含 閆德勤 劉彩鳳 單位：遼寧師范大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院