醫(yī)學(xué)圖像配準(zhǔn)技術(shù)

目錄

第1章緒論

1.1圖像配準(zhǔn)技術(shù)概述

1.1.1圖像配準(zhǔn)的定義

1.1.2圖像配準(zhǔn)的基本框架

1.1.3圖像配準(zhǔn)方法的分類

1.2圖像配準(zhǔn)的意義

1.3圖像配準(zhǔn)的應(yīng)用領(lǐng)域

1.4醫(yī)學(xué)圖像配準(zhǔn)技術(shù)

1.4.1醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展歷史

1.4.2醫(yī)學(xué)圖像配準(zhǔn)的國內(nèi)外研究現(xiàn)狀及面臨的問題

1.4.3常用的醫(yī)學(xué)圖像配準(zhǔn)方法

1.4.4醫(yī)學(xué)圖像配準(zhǔn)的評價

1.5本書的結(jié)構(gòu)與內(nèi)容安排

參考文獻(xiàn)

第2章醫(yī)學(xué)成像技術(shù)

2.1引言

2.2X射線成像

2.2.1普通X射線成像

2.2.2數(shù)字X射線成像

2.3磁共振成像

2.4計算機(jī)斷層掃描成像

2.5核醫(yī)學(xué)成像

2.5.1正電子放射斷層成像

2.5.2單光子發(fā)射計算機(jī)斷層成像

2.6醫(yī)學(xué)超聲成像

2.7本章小結(jié)

參考文獻(xiàn)

第3章圖像配準(zhǔn)算法

3.1引言

3.2特征空間

3.2.1點檢測

3.2.2線檢測

3.2.3霍夫變換

3.2.4邊緣檢測

3.2.5Harris角點

3.2.6SIFT特征點

3.2.7SURF特征點

3.3搜索空間

3.3.1剛體變換

3.3.2仿射變換

3.3.3投影變換

3.3.4彎曲變換

3.4相似性度量

3.4.1差值平方和

3.4.2絕對誤差和

3.4.3歸一化互相關(guān)

3.4.4相關(guān)比率

3.4.5互信息測度

3.5搜索策略

3.5.1Powell優(yōu)化算法

3.5.2Simplex優(yōu)化算法

3.5.3共軛梯度法

3.5.4擬牛頓法

3.5.5隨機(jī)梯度下降法

3.6本章小結(jié)

參考文獻(xiàn)

第4章灰度插值方法

4.1引言

4.2最近鄰插值

4.3雙線性插值

4.4三次卷積插值

4.5部分體積插值

4.5.1部分體積估計

4.5.2廣義的部分體積估計

4.5.3計算復(fù)雜度

4.6本章小結(jié)

參考文獻(xiàn)

第5章醫(yī)學(xué)圖像配準(zhǔn)的開源平臺

5.1引言

5.2ITK研發(fā)平臺

5.2.1ITK的下載與安裝

5.2.2ITK的系統(tǒng)概述

5.2.3ITK圖像配準(zhǔn)算法的實現(xiàn)

5.3Elastix工具箱

5.3.1Elastix簡介

5.3.2軟件的特色

5.3.3配準(zhǔn)算法的組成

5.4本章小結(jié)

參考文獻(xiàn)

第6章基于相關(guān)性的醫(yī)學(xué)圖像配準(zhǔn)

6.1引言

6.2基于魯棒相關(guān)系數(shù)的醫(yī)學(xué)圖像配準(zhǔn)算法

6.2.1相關(guān)系數(shù)估計

6.2.2魯棒的相關(guān)系數(shù)

6.3基于相關(guān)比的醫(yī)學(xué)圖像配準(zhǔn)算法

6.3.1相關(guān)比

6.3.2條件相關(guān)比

6.3.3求導(dǎo)和優(yōu)化

6.4基于增強(qiáng)相關(guān)系數(shù)的醫(yī)學(xué)圖像配準(zhǔn)算法

6.4.1配準(zhǔn)模型

6.4.2增強(qiáng)的相關(guān)系數(shù)

6.4.3模型的優(yōu)化

6.5實驗結(jié)果與分析

6.6本章小結(jié)

參考文獻(xiàn)

第7章基于Demons算法的非剛體醫(yī)學(xué)圖像配準(zhǔn)

7.1引言

7.2Demons算法

7.2.1吸引力的概念

7.2.2光流方法

7.2.3算法流程

7.2.4微分同胚的Demons配準(zhǔn)算法

7.3Active Demons算法

7.3.1在擴(kuò)散過程中引入正力

7.3.2多分辨率方法

7.4對稱Demons算法

7.5可加的Demons算法

7.5.1算法的迭代過程

7.5.2Demons力

7.6實驗結(jié)果與分析

7.7本章小結(jié)

參考文獻(xiàn)

第8章信息論在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用

8.1引言

8.2信息論基礎(chǔ)

8.2.1熵的概念

8.2.2聯(lián)合熵和條件熵

8.2.3相對熵與互信息

8.3互信息在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用

8.3.1圖像互信息

8.3.2概率密度估計

8.3.3基于互信息的醫(yī)學(xué)圖像配準(zhǔn)

8.4幾種其他的信息論相似性度量

8.5本章小結(jié)

參考文獻(xiàn)

第9章基于JensenArimoto散度的醫(yī)學(xué)圖像配準(zhǔn)

9.1引言

9.2Arimoto熵

9.3JensenArimoto散度

9.4與現(xiàn)有信息論測度的聯(lián)系

9.5基于詹森Arimoto散度的醫(yī)學(xué)圖像配準(zhǔn)算法

9.5.1配準(zhǔn)框架

9.5.2變換模型

9.5.3目標(biāo)函數(shù)

9.5.4優(yōu)化方案

9.6實驗和結(jié)果分析

9.6.1測試數(shù)據(jù)

9.6.2仿真數(shù)據(jù)配準(zhǔn)實驗

9.6.3臨床數(shù)據(jù)配準(zhǔn)實驗

9.6.4實驗結(jié)果分析

9.7本章小結(jié)

參考文獻(xiàn)

第10章連續(xù)圖像表示在信息論醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用

10.1引言

10.2基于連續(xù)圖像表示的直方圖估計

10.2.1二維圖像的聯(lián)合直方圖

10.2.2三維圖像的聯(lián)合直方圖

10.3隨機(jī)采樣理論

10.3.1低差異序列

10.3.2計算成本

10.4快速連續(xù)的直方圖估計

10.4.1二維圖像的FCHE

10.4.2三維圖像的FCHE

10.5基于連續(xù)直方圖估計的醫(yī)學(xué)圖像配準(zhǔn)

10.5.1空間變換模型

10.5.2目標(biāo)函數(shù)

10.5.3優(yōu)化方案

10.6實驗結(jié)果與分析

10.6.1二維圖像配準(zhǔn)實驗

10.6.2三維圖像配準(zhǔn)實驗

10.7本章小結(jié)

參考文獻(xiàn)

第11章基于熵圖的醫(yī)學(xué)圖像配準(zhǔn)

11.1引言

11.2熵特征相似度

11.2.1瑞利熵與散度

11.2.2互信息與α互信息

11.2.3α詹森相異性度量

11.2.4α幾何算術(shù)平均散度

11.3熵圖的估計

11.3.1最小生成樹熵估計

11.3.2基于最近鄰圖的熵估計

11.3.3α幾何算術(shù)平均散度和α互信息的
熵圖估計

11.4基于多特征互信息的醫(yī)學(xué)圖像配準(zhǔn)

11.4.1圖像配準(zhǔn)框架

11.4.2熵、熵圖與α互信息

11.4.3優(yōu)化方法

11.4.4α互信息的求導(dǎo)

11.4.5特征的選取

11.5實驗結(jié)果與分析

11.6本章小結(jié)

參考文獻(xiàn)

第12章基于結(jié)構(gòu)特征的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)

12.1引言

12.2結(jié)構(gòu)圖像表示

12.2.1熵圖像

12.2.2拉普拉斯圖像

12.2.3自相似度

12.3模態(tài)獨立的鄰域描述子

12.3.1動機(jī)與概念

12.3.2基于圖像塊的距離

12.3.3基于高斯函數(shù)的差異度量

12.3.4空間搜索區(qū)域

12.3.5利用MIND的多模態(tài)相似度

12.4基于高斯牛頓方法的配準(zhǔn)框架

12.4.1剛體配準(zhǔn)

12.4.2擴(kuò)散約束的形變配準(zhǔn)

12.4.3對稱和反向一致性配準(zhǔn)

12.5基于結(jié)構(gòu)圖像表示的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)

12.5.1形變配準(zhǔn)算法

12.5.2實驗結(jié)果與分析

12.6本章小結(jié)

參考文獻(xiàn)