基于互信息的医学图像配准中的优化算法的改进
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于互信息的医学图像配准中的优化算法的改进范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要:研究了基于互信息测度的医学图像配准方法，提出了一种优化算法的改进。目的旨在于解决配准的精度和在基于互信息配准过程中的效率问题。提出的优化算法是将拟牛顿方法运用于多模医学图像配准中。实验结果说明这种改进的方法能有效提高配准的精度和效率问题，并得到好的实验效果。
关键词:医学图像配准；互信息；优化算法
中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)16-3962-03
A Medical Image Registration Optimized Method Based on Mutual Information
ZHAO Wen-jing1, CAO Zhong2
(1. Lab-center, Guangzhou University, Guangzhou 510006, China;2.School of Computer Science and Educational Software, Guangzhou University，Guangzhou 510006,China)
Abstract: This paper presents a novel Optimized method for medical image registration, the purpose is to solve problems, which are the registration precision and huge calculation in medical images registration based on mutual information. We present a novel optimized meth? od, called Quasi-Newton (BFGS algorithm), for multi-modal medical image registration. Experimental results show that the method, which develops precision of registration, can solve the problem of huge calculation, and achieve good effects.
Key words: image registration; mutual information; optimized method
图像配准是使图像相应特征位置对齐的调整图像的过程。多模态医学图像能够给医生提供多样的医学信息。多模态医学图像配准能够指导临床分析和医学诊断，这能帮助医生正确的判断和实施手术。因此配准的结果将直接影响诊断的精确性和可靠性的结果。
通常，有三种图像配准的方式，分别是：基于标记的配准、基于面的配准和基于体元素强度的配准[1]。最近几年许多鲁棒性和精确的算法已被设计，其使用两张图像的强度无需分割和描绘相应的结构。使用体元素强度值的统计关系对不同模态的图像进行对齐，在过去十多年已取得显著进步。
互信息的研究来源于信息论，是图像理论研究中的一个新领域。互信息量是概率统计的概念，其在图像配准的应用中取得了很大的成功。目前大多数研究者都从最大互信息作为配准准则，尤其在多模态图像之间的配准，当前大部分的刚体配准的研究都基于最大互信息或者对其改进的基础上展开的。
图像配准可以看成是尽力使两幅图像的共有信息的最大化。互信息，是不同模态图像配准的相似性测度，不需要对源图像进行线性化。
1.1熵与互信息
熵是信息论中的一个概念，是系统复杂性和不确定性的测度。香农在1948年提出了熵的概念，用以度量通信过程中心信息源信号的不确定性。
设i是一个随机变量，pi是i出现的概率密度函数，则i的熵定义为：
H(i)=-∑
通过分别采用Powell算法和BFGS算法的实验，对两种算法进行了比较。实验的比较以Vanderbilt University提供的标准值为基础，如果配准的误差在标准值范围内则视为成功配准，否则配准被视为错误配准。
为了比较两种算法配准的精度，计算了所有成功配准实验的平均配准误差。从表1和表2可以看出BFGS算法在配准精度上优于Powell算法。
表1 2D配准中的平均配准误差
文章中，对于医学图像进行配准提出了对优化方法的改进。采用拟牛顿方法的BFGS算法对基于互信息的医学图像进行配准，通过实验比较该方法在精确性和耗时上都要比Powell算法更好。这个算法还能被推广到非刚体配准和形变配准上。
[1] Hajnal J V.medical image registration[M].CRC Press LLC, 2001: 20-26.
[2] Shannon C munication in the presence of noise[C].//Proc IEEE 86,1998: 447–457.
[3]张红颖.医学图像配准算法研究[D].天津:天津大学,2007:26-30.
[4] Jr Dennis J E, MoréJ J. Quasi-Newton methods, motivation and theory[J].SIAM Review 1977, 19(1):46–89.
[5] Klein S.Optimisation Methods for Medical Image Registration[D].Utrecht University, the Netherlands,2008.
[6]耿红梅.BFGS算法综述[J].大众科技,2011(11):3-10.
[7] Ma Yongjun,Tian Jieyu.The Algorithm of Rapid Medical Image Registration by Using Mutual Information[C].ICBBE 2010 4th Internation? al Conference on, June 2010:1-4.
[8] Li Junli, Cong Rijuan.A Medical Image Registration Method Based on Weighted Mutual Information[J].ICBBE 2008 24th International Conference on, June 2010: 2549-2552.