CASIA OpenIR  > 毕业生  > 博士学位论文
脑图像分析中的配准与分割方法研究
其他题名Investigation on Registration and Segmentation of Brain Images
范勇
学位类型工学博士
导师蒋田仔
2002-11-01
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词多模态医学图像配准 互信息 非刚体脑图像配准 医学图像分割 变形模板 全局优化 Multimodality Image Registration Mutual Information Nonrigid Registration Medical Image Segmentation Deformable Model Global o
摘要作为脑图像处理与分析的基础,脑图像配准与分割是医学图像分析领域中 最基本的问题,也是医学图像分析领域的研究热点。本文从脑图像分析中最根 本的任务刚体图像配准方法开始,对脑图像的配准与分割方法作了一些新的尝 试,论文的主要贡献如下: 1.分析了互信息用于多模态医学图像配准的工作机理,发现了互信息在配准中的决定性因素,在此基础上提出了基于互信息敏感区域的多模态医学图像配准算法,并将该算法成功地运用于多模态头部图像的配准中。实验结果验证了这种方法的准确性与高效性,为实时多模态脑图像的配准提供了一种行之有效的方法。 2.提出了一种基于脑解剖结构知识的图像相似性度量并应用于脑图像的非刚体配准,在此基础上设计了一种基于B样条空间变换的非刚体配准算法。 本方法在一定程度上解决了非刚体脑图像配准中,解剖结构对应与灰度相似性之间的不一致性的问题。在算法的具体实现上,基于图像对应的解剖结构知识的可靠性,采取了多层次的配准策略,增加了配准的鲁棒性。实验结果验证这种方法的有效性。 3.提出了一种基于全局优化的变形模板分割方法用于脑组织结构提取。在该方法中,我们设计了基于变形模板方法能量最小化公式的优化目标函数, 并以并行遗传算法作为优化技术去求解模板形变的结果。在整个变形模板 求解过程中,基于模糊聚类方法的区域信息用于引导模板形变提高了变形 模板求解的鲁棒性,而基于傅立叶描述子的参数表示方法降低了计算复杂 度。该方法用于侧脑室分割的实验结果表明其对复杂脑结构能够得到精确 鲁棒的描述。本文所用的并行遗传算法同时也可用于医学图像配准。
其他摘要This dissertation focuses on image registration and segmentation, which are two fundamental issues in computational neuroanatomy. Starting with a brief overview of existing registration and segmentation techniques, we present several novel registration and segmentation methods for the application of brain image analysis. The main contributions of this thesis are summarized as follows: 1. The role of intensities of images to be registered in mutual information computation is comprehensively and extensively analyzed. Based on above analysis, a novel strategy for multimodality medical image registration is proposed, in which sensitive features are used for mutual information computation. The experimental results show the effectiveness and efficacy of this method. 2. A novel similarity measure of brain image is proposed based on anatomical structure knowledge, then a free from deformation based nonrigid brain image registration method is developed which is capable of establishing consistent anatomical correspondence between brain images to be registered. A hierarchical deformation mechanism is adopted in the registration procedure. It is more robust than the existing counterpart. 3. A global optimization deformable model based segmentation method is developed for extraction of brain organs, which is optimized by a parallel genetic algorithm. Fuzzy cluster technique is used to incorporate region information into this model and Fourier descriptor based model description greatly decreases the computational complexity of this method. Furthermore, the parallel genetic algorithm is generally applicable and has been successfully used for medical image registration.
馆藏号XWLW735
其他标识符735
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/5739
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
范勇. 脑图像分析中的配准与分割方法研究[D]. 中国科学院自动化研究所. 中国科学院研究生院,2002.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[范勇]的文章
百度学术
百度学术中相似的文章
[范勇]的文章
必应学术
必应学术中相似的文章
[范勇]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。