高强度聚焦超声(High-Intensity Focused Ultrasound,HIFU)技术由于其无创伤、无辐射、无副作用的特点,被广泛用于临床医学领域。近年来,HIFU技术不仅在前列腺肿瘤、子宫肌瘤、转移性肝脏肿瘤的切除和胰腺癌、肾癌和乳腺癌的治疗方面取得了显著的成效,还在许多新的应用中实现了重大的突破。通过多年来大量系统的回访,HIFU技术用于医学治疗的目的已经被众人接受。由于超声成像具有易集成和实时成像等优点,HIFU系统通常采用B超监控成像的方式。在HIFU治疗的疗效评价中,通常将治疗前后的B超监控图像相减,得到治疗区域的变化图像来判断治疗效果。由于治疗后病人的体位可能会变化,导致治疗前后采集的图像发生偏移,需要将HIFU治疗前后的超声监控图像进行配准。本文通过分析B超图像的特点,重点对HIFU治疗前后B超监控图像的配准方法进行了研究。具体工作如下:1.首先详细介绍了高强度聚焦超声技术的相关理论,包括基本原理、研究背景现状和聚焦超声治疗中的引导与监控方式,接着介绍了超声治疗疗效评价现状,提出了HIFU治疗前后B超监控图像进行配准的问题,突出本课题的研究意义。2.阐述了图像配准的基本概念和医学图像中常用的几种配准方法,详细比较了几种算法的优势和不足。结合超声成像的特点,分析超声图像配准存在的关键问题。3.提出了一种基于图像预处理和Fisher-Tippett分布的特征提取算法。首先分析研究了超声图像中存在的散斑特性,概述了几种常用的图像预处理方法,然后采用中值滤波器对超声图像进行预处理,通过Fisher-Tippett分布提取图像特征,既能消除散斑噪声,又能很好的保留图像的边缘信息,可以用于基于特征的图像配准算法和算法改进。4.提出了一种改进的基于SURF特征提取的配准方法。常规的SURF算法由于受到散斑噪声的影响,匹配的特征点对较少,配准精度低。本文首先利用经典的SURF特征检测器分别提取治疗前和治疗后超声图像中的特征点,采用欧式距离匹配提取的特征向量,然后通过超声图像的固有属性散斑特征的分布规律优化配准参数,再通过改进的随机抽样一致性算法去除错误匹配点对,最后利用最小二乘法求出图像之间的映射关系完成配准。该算法能自动搜索治疗前后超声监控图像中的对应特征点,比传统的人工筛选特征点快速且配准精度更高。