面向大腦影像點集的精確非剛體配準算法研究

《面向大腦影像點集的精確非剛體配準算法研究》是依託西安交通大學，由杜少毅擔任項目負責人的面上項目。

基本介紹

• 中文名：面向大腦影像點集的精確非剛體配準算法研究
• 項目類別：面上項目
• 項目負責人：杜少毅
• 依託單位：西安交通大學

中文摘要

本課題擬對圖像點集的精確非剛體配準模型和算法展開研究，並將該理論套用於大腦影像的配準中。針對當前形狀配準算法存在著精度較差或魯棒性不夠的缺點，本課題將以申請人已提出的基於機率的精確剛體配準為基礎，將最近點度量和機率模型相結合，提出精確的形狀非剛體配準算法；針對圖匹配算法忽略點集空間結構一致性的問題，提出將點集的形狀一致性引入到基於點對相似性的圖匹配模型中，並提出圖像特徵點集的精確非剛體配準算法；在上述理論研究的基礎上，用形狀配準算法完成大腦影像的初配準，並用基於形狀和點對相似性的非剛體配準算法研究兩幅大腦影像特徵點集的高精度配準；針對相似的大腦影像結構有著更精確的配準結果這一準則，通過流形學習構建大腦影像數據集的連線圖，並結合精確的非剛體配準算法完成所有大腦影像的配準。本課題的實施豐富和完善了圖像點集的非剛體配準理論，在大腦影像配準中的套用為大腦影像結構和功能的分析提供了技術支撐。

結題摘要

圖像點集配準是醫學圖像處理和計算機視覺等領域的基礎問題之一，而腦影像的配準對對大腦結構與功能分析有著重要的作用。本項目針對圖像點集的精確非剛體配準模型和算法展開研究，並將該理論套用於大腦影像的配準中。在基礎理論方面，針對當前圖像點集存在著噪聲和離群點而導致配準精度不高或魯棒性不夠的特點，本項目以申請人已提出的基於機率的精確剛體配準為基礎，以保持圖像點集空間結構為目的，提出了機率與最近點度量相結合的非剛體配準模型和算法，在仿真和染色體圖像上的實驗結果證明，提出的算法對噪聲、遮擋和存在異常點情況下的配準具有更高的精度和魯棒性；在上述研究工作的基礎上，結合點集的全局形狀和局部特徵的一致性，提出了高精度的圖像點集非剛體配準模型和算法，在仿真和X-ray影像上的實驗結果證明，提出的算法能夠克服數據的微小形變，獲得更高的配準精度。在算法套用方面，結合傳統的圖像配準方法，通過引入對稱雙向度量和嚴格可逆約束，建立了基於微分同胚映射的大腦影像非線性配準模型，實驗結果證明，較傳統模型與算法，所提方法對於兩幅大腦影像的配準有更高的精度和更好的魯棒性；利用多個外觀特徵進行建模，提出了一種基於子空間表示的內蘊度量學習算法，構建出基於數據度量表達形式的多影像數據連線圖，提出了基於樹和圖結構的聯合模板匹配框架，並結合兩幅影像的非剛體配準算法完成所有大腦影像的配準，實驗結果證明所提方法對於數據集中大形變影像的配準具有較好的精確性和魯棒性。本項目的實施豐富和完善了圖像點集的非剛體配準理論，為深入探索大腦的結構、功能以及與疾病之間的關係提供有力的技術支持，具有重要的理論意義和套用價值。