基於形變模態的圖像流體配準機理及其套用研究

基於形變模態的圖像流體配準機理及其套用研究

《基於形變模態的圖像流體配準機理及其套用研究》是依託上海交通大學,由張素擔任項目負責人的面上項目。

基本介紹

  • 中文名:基於形變模態的圖像流體配準機理及其套用研究
  • 項目類別:面上項目
  • 項目負責人:張素
  • 依託單位:上海交通大學
項目摘要,結題摘要,

項目摘要

醫學圖像非剛性配準在胸腹盆腔部位的熱放療等非手術切除治療效果的定量分析方面具有重要的科學意義和臨床套用價值。術前術(中)後獲取的醫學圖像配準具有重合區域少、靶區及周圍器官形態和內部性質變化較大的特點,給非剛性圖像配準帶來困難。目標的異構形狀匹配、SIFT關鍵點的準確檢測和相似性度量方法是本項目基於流體模型的非剛性圖像配準面臨的三個基本問題。提出在貝葉斯框架下融合形變模態信息和SIFT關鍵點信息的流體圖像配準算法:首先,通過提取目標的形變模態建立形變先驗模型,引導模態相關的形狀匹配得到異構形狀之間的邊界對應性;並對SIFT特徵點檢測得到準確的匹配關鍵點;進而共同改善原灰度差相似性度量,達到減少誤匹配、提高配準精度的目的。本項目建立針對目標形態和灰度分布變化的流體圖像配準方法,其在臨床圖像的配準結果將為胸腹盆腔部位非手術切除治療的醫學影像量化分析提供科學依據。

結題摘要

本項目對熱放療等非手術切除治療特別是胸腹盆腔等部位的療效定量分析中的醫學圖像非剛性配準進行研究。針對術前術(中)後醫學圖像配準重合區域少、靶區及周圍器官形態和內部性質變化較大的困難,提出在貝葉斯框架下融合形變模態信息和 SIFT 關鍵點信息的流體圖像配準算法,提取目標的形變模態建立形變先驗模型,對 SIFT特徵點檢測得到匹配關鍵點,改善原灰度差相似性度量,減少誤匹配、提高配準精度。 在基於先驗模型的形狀匹配方面,對於異構輪廓的形狀匹配學習得到相應器官形變的若干模態,引導器官輪廓的形狀匹配;在SIFT 關鍵匹配點的檢測方面,分析配準目標的非線性形變和灰度分布變異導致的匹配點失配問題,改進匹配點檢測方法;在貝葉斯框架下灰度差度量與其它信息融合方面,分析形變模態信息、關鍵點信息和灰度差度量在不同目標形變的權重分配方法;在配準評估方面,選擇多個解剖部位根據治療層面給出同層面治療前後圖像的配準結果,以及根據醫師閱片習慣給出靶區器官觀察層面治療前後圖像的配準結果提供療效評價。 在臨床數據包括超聲腎臟、CT前列腺、MR子宮肌瘤、MR乳腺和腦缺血圖像數據的配準實驗顯示:結合SIFT點和形狀信息的流體配準,對於超聲腎臟數據互相關係數(CC)為0.9792; 對於CT前列腺數據,前列腺配準圖像間求得的不同變換可提取6個主導形變模態,CC為0.9634;基於FFD模型3D非剛性配準,對於MR子宮肌瘤、乳腺腫瘤、腦缺血病灶圖像配準的CC分別為0.7426、0.7410、0.7424。 研究中發現,用最大特徵值對應的特徵向量提取主導形變模態構建形變模型是可行的,並可由單病例擴展到更有價值的多病例情況;SIFT套用於CT/MR數據是有效的,但容易面臨點對數據稀疏問題尤其對於3DSIFT需要修正參數值;流體配準算法在臨床圖像數據為512*512運行約90秒,在三維空間需改進算法加速;臨床套用需足夠數據測試算法實用性、穩定性和可重複性;對於多參數成像例如MRI解析度、對比度等多種圖像間配準需根據其特點調整算法適應不同需求。 相關研究結果和檢測數據將為非手術切除治療中醫學影像量化分析和療效評估提供有價值的科學依據。

相關詞條

熱門詞條

聯絡我們