發(fā)布時(shí)間：2020-03-22 09:53

【摘要】：醫(yī)學(xué)圖像非線性配準(zhǔn)技術(shù)可準(zhǔn)確的建立圖像間解剖結(jié)構(gòu)的一致性,是實(shí)現(xiàn)醫(yī)學(xué)圖像精準(zhǔn)分析的基礎(chǔ)與前提。非線性配準(zhǔn)在病種分析、縱向跟蹤研究、疾病診斷、治療方案優(yōu)化等臨床任務(wù)中都具有重要作用。非線性配準(zhǔn)的主要任務(wù)是求解圖像間基于形變模型的空間變換關(guān)系,通過形變場(chǎng)將兩個(gè)圖像空間中具有相同形態(tài)結(jié)構(gòu)的位置對(duì)應(yīng)起來。因此,非線性配準(zhǔn)是一個(gè)復(fù)雜的非線性優(yōu)化問題。隨著現(xiàn)代醫(yī)學(xué)圖像數(shù)據(jù)維度和規(guī)模的增大,圖像數(shù)據(jù)呈現(xiàn)出更高的復(fù)雜性與多樣性,傳統(tǒng)非線性配準(zhǔn)算法在配準(zhǔn)精度、魯棒性和適用性上表現(xiàn)出一定的局限性。結(jié)合實(shí)際臨床需求,為了更好的解決多模態(tài)、縱向多時(shí)間點(diǎn)、大形變醫(yī)學(xué)圖像非線性配準(zhǔn)問題,本文將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于非線性配準(zhǔn),提出了多種基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像非線性形變配準(zhǔn)算法。論文主要研究?jī)?nèi)容包括:1.提出了基于機(jī)器學(xué)習(xí)的多模態(tài)圖像非線性配準(zhǔn)算法,用以解決前列腺癌放射治療中盆腔CT與MRI圖像的非線性配準(zhǔn)問題。針對(duì)CT與MRI圖像外觀灰度差異大,盆腔器官結(jié)構(gòu)局部形變顯著等問題,提出了基于雙向圖像合成的多模態(tài)非線性圖像配準(zhǔn)算法,實(shí)現(xiàn)了盆腔CT與MRI圖像的精確配準(zhǔn),為前列腺癌精準(zhǔn)放療的臨床實(shí)現(xiàn)提供了有力保障。具體包括:在傳統(tǒng)隨機(jī)森林學(xué)習(xí)算法的基礎(chǔ)上,提出了結(jié)構(gòu)化隨機(jī)森林和多目標(biāo)隨機(jī)森林回歸方法,建立了MRI→CT、CT→MRI雙向圖像合成模型,實(shí)現(xiàn)了兩種模態(tài)間的圖像灰度預(yù)測(cè),解決了CT與MRI配準(zhǔn)中圖像灰度不一致的問題。在圖像合成實(shí)現(xiàn)過程中,雙向圖像合成有效保留了兩個(gè)模態(tài)完整的解剖結(jié)構(gòu)信息,為多模態(tài)非線性無偏配準(zhǔn)提供了架構(gòu)設(shè)計(jì)參考�；陔p向圖像合成,提出了雙核驅(qū)動(dòng)的多模態(tài)非線性配準(zhǔn)算法。雙向圖像合成將復(fù)雜多模態(tài)配準(zhǔn)問題簡(jiǎn)化為單一模態(tài)配準(zhǔn)問題。為保證多模態(tài)圖像配準(zhǔn)精度,充分使用CT與MRI圖像中互補(bǔ)的解剖結(jié)構(gòu)信息,提出了雙核形變?nèi)诤纤惴?通過CT核與MRI核配準(zhǔn)結(jié)果的迭代融合,可以有效估計(jì)盆腔器官局部形變,提高配準(zhǔn)精度�；陔p向圖像合成,提出了區(qū)域自適應(yīng)多模態(tài)非線性配準(zhǔn)算法。為了有效利用CT像中顯著的骨骼結(jié)構(gòu)信息和MRI圖像中顯著的軟組織結(jié)構(gòu)信息,本文提出了區(qū)域自適應(yīng)配準(zhǔn)算法,通過CT模態(tài)核實(shí)現(xiàn)骨骼區(qū)域的局部匹配,通過MRI模態(tài)核實(shí)現(xiàn)軟組織區(qū)域的局部匹配。這樣,兩個(gè)模態(tài)核共同使用,不同模態(tài)顯著性結(jié)構(gòu)信息優(yōu)勢(shì)互補(bǔ),進(jìn)一步提高了整個(gè)盆腔結(jié)構(gòu)的局部形變估計(jì)精度和最終配準(zhǔn)精度。2.提出了基于腦結(jié)構(gòu)發(fā)育模型的縱向嬰兒腦圖像非線性配準(zhǔn)算法,為新生兒腦結(jié)構(gòu)發(fā)育研究、腦相關(guān)疾病的精確分析與診斷奠定基礎(chǔ)。新生兒出生后第一年內(nèi)由于腦結(jié)構(gòu)生長(zhǎng)與白質(zhì)髓鞘形成,不同時(shí)間點(diǎn)的圖像存在巨大的形態(tài)與灰度差異。本文提出了多任務(wù)隨機(jī)森林學(xué)習(xí)方法,對(duì)縱向多時(shí)間點(diǎn)嬰兒腦結(jié)構(gòu)發(fā)育與灰度演化過程進(jìn)行學(xué)習(xí),建立了新生兒出生后2周、3個(gè)月、6個(gè)月及9個(gè)月到第12個(gè)月的腦結(jié)構(gòu)發(fā)育模型與圖像灰度演化模型。通過多任務(wù)回歸學(xué)習(xí),在保證模型預(yù)測(cè)精度的同時(shí),保護(hù)了腦拓?fù)浣Y(jié)構(gòu)關(guān)系�；跈C(jī)器學(xué)習(xí)方法建立的嬰兒腦結(jié)構(gòu)發(fā)育與灰度演化模型對(duì)不同時(shí)間點(diǎn)圖像間較大的形態(tài)與灰度差異進(jìn)行了有效的預(yù)測(cè)與補(bǔ)償,極大的簡(jiǎn)化了非線性配準(zhǔn)過程,實(shí)現(xiàn)了縱向多時(shí)間點(diǎn)嬰兒腦圖像的精確配準(zhǔn)。3.提出了基于深度學(xué)習(xí)的成人腦圖像非線性配準(zhǔn)算法,為腦結(jié)構(gòu)功能探索研究、多樣化成人腦相關(guān)疾病的精確分析奠定基礎(chǔ)。傳統(tǒng)非線性配準(zhǔn)算法需要充分的迭代優(yōu)化,配準(zhǔn)精度對(duì)參數(shù)設(shè)置敏感,圖像間較大的形態(tài)差異會(huì)導(dǎo)致算法精度下降。針對(duì)這些問題,本文提出了基于線索感知的深度回歸網(wǎng)絡(luò),使用卷積神經(jīng)網(wǎng)絡(luò)建立準(zhǔn)確的非線性配準(zhǔn)模型,實(shí)現(xiàn)從待配準(zhǔn)圖像到形變場(chǎng)的有效估計(jì)。為了提高深度學(xué)習(xí)模型對(duì)非線性配準(zhǔn)任務(wù)的感知能力,本文提出了數(shù)據(jù)驅(qū)動(dòng)網(wǎng)絡(luò)結(jié)構(gòu),為配準(zhǔn)模型的訓(xùn)練提供了有效的輔助參考信息。為了增強(qiáng)深度學(xué)習(xí)配準(zhǔn)模型的精度與泛化能力,本文提出了關(guān)鍵點(diǎn)均衡化訓(xùn)練樣本的采樣策略,提高了訓(xùn)練樣本的完備性,有效避免了訓(xùn)練過程中的過擬合問題。訓(xùn)練好的配準(zhǔn)模型在使用過程中可直接實(shí)現(xiàn)對(duì)形變場(chǎng)的預(yù)測(cè),無需參數(shù)調(diào)節(jié)與迭代優(yōu)化,對(duì)于大形變圖像的配準(zhǔn)也能保證較高的精度。該算法的提出有效的改進(jìn)了傳統(tǒng)配準(zhǔn)算法的精度與魯棒性,增強(qiáng)了配準(zhǔn)算法在臨床多樣化配準(zhǔn)任務(wù)中的適用性。本文以前列腺癌精準(zhǔn)放療、嬰兒腦發(fā)育及疾病診斷、成人腦科學(xué)研究分析三個(gè)醫(yī)學(xué)臨床應(yīng)用為背景,針對(duì)不同醫(yī)學(xué)圖像特性與醫(yī)學(xué)圖像分析的臨床需求,提出了多種基于機(jī)器學(xué)習(xí)的非線性形變配準(zhǔn)算法。對(duì)隨機(jī)森林、卷積神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法進(jìn)行了深入研究與改進(jìn),通過改進(jìn)的機(jī)器學(xué)習(xí)方法設(shè)計(jì)非線性配準(zhǔn)算法,有效的解決了多模態(tài)圖像、縱向多時(shí)間點(diǎn)圖像和大形變圖像配準(zhǔn)等醫(yī)學(xué)圖像配準(zhǔn)難題,對(duì)醫(yī)學(xué)圖像智能化、精準(zhǔn)化分析具有重要意義。
【圖文】：

對(duì)現(xiàn)代醫(yī)學(xué)圖像的智能分析提出了涵豐富，包括圖像配準(zhǔn)、圖像分割、圖像增強(qiáng)。圖像配準(zhǔn)是醫(yī)學(xué)圖像分析任務(wù)的基礎(chǔ)。圖像t）或不同對(duì)象（inter-subject）在不同條件下（不同位置或角度）采集的兩幅或多幅圖像進(jìn)行個(gè)體的兩幅或多幅圖像進(jìn)行匹配融合的過程體差異（線性配準(zhǔn)）與局部形變（非線性配準(zhǔn)確魯棒的圖像配準(zhǔn)是實(shí)現(xiàn)智能與精準(zhǔn)醫(yī)療的（a）腦核磁共振圖像（MRI）的解剖結(jié)構(gòu)一致性

第 1 章 緒論MI）[43, 44]以及歸一化互信息（Normalized Mutual Information, NMI）[45, 46]等。這些相似度測(cè)度的具體定義參見表 1-1。其中， 分別表示參考圖像與浮動(dòng)圖像，即圖像的灰度信息集合。N 表示參考圖像空間體素總數(shù)。 表示圖像的均值， (д)表示圖像的方差。 表示圖像 對(duì)應(yīng)于圖像 的第 k 個(gè)灰度區(qū)間所覆蓋的體素位置的灰度值集合 表示 中包含的體素?cái)?shù)量，，且 = щ , 表示圖像灰度值區(qū)間索引。 ( ) = щ ( ) 表示圖像 的聯(lián)合熵， 是指基于(i, j)聯(lián)合直方圖區(qū)間估計(jì)的聯(lián)合概率分布， ( )與 ( )表示邊緣概率分布。
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈麗娟;;關(guān)于圖像分辨率的教學(xué)思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識(shí)別率與圖像分辨率關(guān)系的比較分析[J];計(jì)算機(jī)工程;2009年11期

3 張秀屏，劉錫國(guó)，叢玉良;提高彩電圖像分辨率的研討[J];光學(xué)精密工程;1994年02期

4 衛(wèi)紅;為DVD機(jī)配哪種彩電[J];家庭科技;2000年07期

5 卜麗靜;張銘娟;陳方惠;許崢輝;趙曉宇;;利用地面靶標(biāo)的超分辨率重建圖像分辨率評(píng)價(jià)[J];測(cè)繪科學(xué);2019年12期

6 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達(dá)2.5m[J];國(guó)際太空;1997年05期

7 宋其華;郭根生;;解析計(jì)算機(jī)圖像分辨率[J];中國(guó)電化教育;2003年11期

8 谷梗;;數(shù)字圖像分辨率定義與其計(jì)量方法——對(duì)“數(shù)字電影技術(shù)術(shù)語普及讀本”有關(guān)條目的商榷意見[J];現(xiàn)代電影技術(shù);2013年07期

9 ;教你詳細(xì)了解各種分辨率[J];計(jì)算機(jī)與網(wǎng)絡(luò);2011年24期

10 謝美華;王正明;;圖像分辨率增強(qiáng)的偏微分方程方法[J];遙感學(xué)報(bào);2005年06期

相關(guān)會(huì)議論文 前10條

1 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 翟廣濤;;基于二進(jìn)小波變換的圖像分辨率增強(qiáng)算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

3 任曉暉;龔勇清;;體全息存儲(chǔ)再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

4 陳樂;強(qiáng)天鵬;章有為;;小徑管CR射線檢測(cè)圖像分辨率研究[A];2017遠(yuǎn)東無損檢測(cè)新技術(shù)論壇論文集[C];2017年

5 趙源萌;鄧朝;張馨;張存林;;被動(dòng)式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

6 張?jiān)骆?仇曉蘭;丁赤飚;雷斌;付琨;;高分辨率SAR圖像橋梁目標(biāo)仿真與特性分析[A];第三屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)（地面系統(tǒng)與應(yīng)用技術(shù)分會(huì)）優(yōu)秀論文集[C];2014年

7 張龍;張翔;孟新秀;;基于圖像的艦船目標(biāo)識(shí)別技術(shù)研究[A];2019年全國(guó)公共安全通信學(xué)術(shù)研討會(huì)優(yōu)秀論文集[C];2019年

8 鄭虹;曾坤;郭迪;應(yīng)佳熙;楊鈺;彭璽;陳忠;屈小波;;基于梯度引導(dǎo)的邊緣增強(qiáng)多對(duì)比度腦部MRI圖像超分辨[A];2018第二十屆全國(guó)波譜學(xué)學(xué)術(shù)年會(huì)會(huì)議論文摘要集[C];2018年

9 吳明曉;張晶;;基于深度學(xué)習(xí)的頸動(dòng)脈超聲圖像斑塊識(shí)別方法[A];中國(guó)醫(yī)學(xué)裝備大會(huì)暨2019醫(yī)學(xué)裝備展覽會(huì)論文匯編[C];2019年

10 蔡世學(xué);;最新研制的一種小型空載圖象雷達(dá)成果[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 記者 劉霞;迄今最詳細(xì)人腦圖像“出爐”[N];科技日?qǐng)?bào);2019年

2 記者 劉海英;商用打印機(jī)印制出隱形圖像[N];科技日?qǐng)?bào);2016年

3 尹長(zhǎng)城 北京大學(xué)醫(yī)學(xué)部生物物理學(xué)系教授 分析中心電鏡室主任 中國(guó)生物物理學(xué)會(huì)冷凍電鏡分會(huì)副理事長(zhǎng) 中國(guó)電子顯微學(xué)會(huì)低溫電鏡專業(yè)委員會(huì)主任;獲諾獎(jiǎng)的冷凍電鏡是何方“神器”？[N];北京科技報(bào);2017年

4 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國(guó)包裝報(bào);2002年

5 WLF;細(xì)說分辨率[N];電腦報(bào);2003年

6 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國(guó)一高科技公司將落戶武漢[N];湖北日?qǐng)?bào);2007年

7 金鳳;無需眼鏡就能看 能聽還能“摸”的3D影像來了[N];科技日?qǐng)?bào);2019年

8 燕蘭;先科電子：為品牌DVD正名[N];中國(guó)經(jīng)營(yíng)報(bào);2000年

9 宋連黨;家庭VCD像冊(cè)大制作[N];中國(guó)電腦教育報(bào);2003年

10 ;第四代超級(jí)CCD的實(shí)力[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前10條

1 陳文斌;低劑量CT圖像偽影消除及細(xì)節(jié)保護(hù)算法研究[D];中北大學(xué);2019年

2 曹曉歡;基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像非線性配準(zhǔn)技術(shù)研究[D];西北工業(yè)大學(xué);2018年

3 樊春玲;數(shù)據(jù)驅(qū)動(dòng)的圖像感知和質(zhì)量評(píng)價(jià)方法[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

4 卞春江;光學(xué)遙感圖像有效區(qū)域在軌實(shí)時(shí)檢測(cè)與壓縮技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

5 牛仁杰;星載ATP圖像處理平臺(tái)關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所);2018年

6 穆楠;夜間場(chǎng)景下顯著目標(biāo)檢測(cè)方法研究[D];武漢科技大學(xué);2019年

7 張士杰;超像素級(jí)圖像組協(xié)同關(guān)聯(lián)性分析與研究[D];天津大學(xué);2017年

8 王文勝;寬幅光學(xué)遙感圖像艦船飛機(jī)目標(biāo)檢測(cè)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2018年

9 孫琨;圖像匹配與場(chǎng)景三維重建方法研究[D];華中科技大學(xué);2017年

10 霍麗娜;基于視覺感知與注意機(jī)制的圖像顯著目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 劉一賢;面向交通安全的去霧圖像清晰化技術(shù)研究[D];西南科技大學(xué);2018年

2 張荻;基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)識(shí)別方法研究[D];國(guó)防科技大學(xué);2017年

3 鞏文盼;太赫茲同軸全息再現(xiàn)圖像的U-NET及其復(fù)合分割算法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 谷楓;圖像的聚類和檢測(cè)算法研究[D];國(guó)防科技大學(xué);2017年

5 孫海宇;基于回歸模型的相似圖像編碼算法[D];西安電子科技大學(xué);2019年

6 歐智潛;基于參考圖像合成的快速群體圖像編碼算法[D];西安電子科技大學(xué);2019年

7 鄭曉宇;單芯片高清高速圖像采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2019年

8 李召;光電圖像實(shí)時(shí)采集系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2019年

9 秦慶喜;基于深度網(wǎng)絡(luò)的SAR圖像地物分類算法研究[D];西安電子科技大學(xué);2019年

10 馬菲;高分辨SAR圖像車輛目標(biāo)檢測(cè)的FPGA設(shè)計(jì)[D];西安電子科技大學(xué);2019年

本文編號(hào)：2594873