科研之友
微信
新浪微博
Facebook
分享链接
摘要
患者随访CT图像之间的配准有助于提高诊断的可靠程度和改善治疗效果,是监测术后康复状况、确定或调整治疗方案等的前提.当前,先进的微分同胚形变配准算法的形变场驱动力仅依靠图像灰度和梯度信息,使得其对复杂形变的配准明显表现出驱动力不足、形变程度不高、鲁棒性较弱、配准精度低等问题.针对这些问题,该文提出将对数欧拉协方差矩阵(Log-Euclidean Covariance Matrices,LECM)描述符结合于配准模型的目标函数中构建了一种新配准算法模型,称为LECM Demons模型.该算法首先将图像每一像素的灰度信息、位置信息、一阶和二阶梯度范数信息映射为一个特征空间;然后,对特征空间采用积分图像方法快速计算每一像素的协方差矩阵;接着,通过矩阵的对数映射将协方差矩阵映射为Log-Euclidean空间中的特征描述符简称为LECM描述符,其对大的旋转、缩放、照度等变化具有不变性的特点,能够有效地描述图像的结构特性;最后,将待配准两图像对应的LECM描述符的欧氏距离作为一个新的匹配项添加到Log-Demons配准框架的目标函数,为大而复杂形变的图像配准提供了具有结构信息约束的形变场驱动力,同时确保了新目标能量函数的可微性.此外,为了进一步提高配准的收敛速度和精度,在新配准算法实现中采用了多分辨率优化策略.实验结果表明,LECM Demons算法对复杂形变具有较强的鲁棒性,配准精度与先进的形变配准算法相比平均改善50%以上,同时保持了较高的计算效率.
- 单位
