论文部分内容阅读
医学中不同传感器,不同成像技术或检查方法各有其优势与不足,提供的信息也存在很大的差别。通常情况下,对于医生诊断而言,想要从图像中获取更多的图像信息,靠单一的成像技术是不能够满足诊断需求的,许多情况下只有医学图像提供全面而丰富的信息才能对患者的病情作出诊断结论。目前医学影像的一个明显的发展趋势就是通过图像配准与融合技术对不同模态下的多张图像进行相关处理,得到相比于单一模态下的图像包含更多信息的单张图像,使其包含内部组织更多元的信息。本文就是基于目前使用比较广泛的CT和MRI断层图像序列进行序列图像配准和融合,得到一个从多源图像中获取更多信息的图像序列。然后在此基础之上对融合后的图像序列进行三维重建处理,以便更加直观的观察人体组织和器官,以及其三维结构。本文主要针对多模态医学影像的配准、融合和三维重建三个方面的研究内容进行研究,最后设计并集成一个多模态医学影像研究平台。具体内容如下:1、医学图像的预处理及配准前对CT和MRI图像进行的相关处理工作;2、研究二维图像基于特征和基于互信息的配准算法,并对两种算法做了效果对比,本文基于互信息配准算法提出了基于轮廓金字塔的归一化互信息配准算法改进,得到图像确定层之间的配准结果。由于本文的研究重点是序列图像的配准问题,需要找到CT与MRI两个序列层与层的匹配关系,所以研究了三维序列图像匹配配准算法,解决了层与层之间的匹配以及序列图像粗配准问题,再使用基于轮廓金字塔的归一化互信息配准算法对三维配准的结果各层进一步配准优化,从而提出了基于3D到2D图像配准算法。3、在配准结果的基础上研究了图像融合算法,其中主要是多种基于多尺度分析的图像融合算法,并对实验结果进行了对比,确定了基于非下采样轮廓波变换(Non-subsam-pled Contourlet Transform,NSCT)的图像融合算法对配准之后的序列图像依次进行融合处理。最后,根据本文研究的脑部图像的特征对NSCT算法进行了改进,提出了基于NSCT的脑部影像主成分融合算法;4、对融合的数据进行三维重建处理,包括面绘制、体绘制,重点研究了基于GPU加速的光线投射算法的体绘制三维重建技术,得到最后的重建结果;5、将以上的研究结果集成为多模态医学影像融合与重建平台,同时对平台的多个模块实现进行简单的说明,最后完成系统测试。