基于互信息的医学图像的刚性配准探索

王中阳 许文杰



基于互信息的医学图像的刚性配准探索

王中阳 许文杰

河北大学附属医院，河北 保定 071000

医学图像配准是指在CT或MR的医学研究图像中，寻找一种空间的变换，使这幅医学研究图像与另外一幅图像上的对应点达到空间的一致性。医学图像配准方式又可以分为刚性配准和非刚性配准。其中刚性配准方式使用广泛，技术相对后发展的非刚性配准方式较为先进完善。互信息作为计算语言学的常用方法，将其与医学图像的刚性配准结合一体，做相关理论技术知识点的研究，以期为医学提供参考。

互信息；医学图像；刚性配准

医学图像的刚性配准方法在目前的医学上应用较为广泛，因应用此技术检测的医学图像配准操作方便且准确度高。但是在很多情况下不能满足医学的临床研究，比如MR图像因常伴随血液流动、组织磁化或位移导致在进行放疗时，MR图像与CT配准存在差异，是以需要革新医学图像的配准技术，而基于互信息的医学图像的刚性配备能自动寻找和校准对比部位及精准度很高而进入医学工作者的视线。笔者就图像配准的基本原理，阐述基于互信息的医学图像刚性配准技术。

1 图像配准的原理与刚性

1.1 图像的配备原理

医学上的图像配准是帮助医学研究与图像处理领域中一个重要医学技术工作[1]，也是医学图像之间在融合、图像重建、检测图像与标准图谱匹配重要方法和工具。对在不同环境或不同时间段获取的两幅图像t（X）和y（X）的配备，在某方面需要具备测试的相似性，并寻找两幅图像的空间变换F，当经过空间的变换后，两幅图像的相似度增大或达到最大值，也就是图像T（X）上的每个检测点在图像Y（X）在都有一个且唯一的点相对应。其检测公式为：

该公式中，g（f）是相似性的检测值，F为空间的变换，配准结果可以作为两幅医学图像间的最佳配备空间变换值：

1.2 刚性配准

图像的刚性配准是指在显示图像的空间变换中，刚体变换保持了图像中任意两个同部检测点之间的距离不变。其变换分为平移变换和旋转变换两种方式[2]。

2 互信息的刚性配准

2.1 互信息理论

互信息（Mutual Information）是计算机语言学模型分析的常用方法[3]，是度量两个模型对象之间的相同点与分歧点，是测量两种不同模型、文字、图片等差异的一种计算对比方式，也是消除人们对事物了解的不确定性。是基于信息理论的互信息相似性准则。

2.2 互信息为图像配准

互信息引入图像配准的第一人是以Viola为主的团队。该团队利用这一方式在1995年解决了多模型形态的医学图像配准问题[4]。互信息在图像的配准中是用来比较两幅图像的统计依赖性，在对比时首先要将图像的灰度视为一个具备独立、均匀、随机的空间样本。计算两幅图像的相似函数值步骤如下：

3 参考特质函数值的计算

随机抽取两个变量C、D，两者的分布概率分别为QC（c）、QD（d），联合概率为QCD（cd），两者的互信息和联合熵可计算为：

其中，H为两个随意点的分布或联合的数值，Q为两点的概率，而互信息的定义是：

S为互信息函数密度值，根据互信息和信息熵的关系，通过公式可以推导出互信息的计算公式为：

而图像联合概率密度函数则是由图像间的重叠阴影部分的联合直方图而估计的，设计两幅图的联合密度直方图为W（C，D），计算公式为：

将互信息计算公式带入到联合密度直方图计算公式中，就可以得出灰度方差计算公式[5]。

4 优化计算方法

因为最佳互信息的图像配备其实是一个多参数函数值的优化计算过程，因此选择合适的优化策略，直接关系到医学图像刚性配备结果的速率与数据的精准。目前医学上经常使用的优化计算方法有：遗传算法、模拟退化算法、Powcll算法及Pso算法等。Powcll算法计算较为简单，不需要对计算目标函数进行求导，且具备二阶收敛性，收敛的速度更快，精准度更高，可靠性好。采用Powcll优化算法基于互信息寻找最佳的医学图像配准参数，此参数在不同维系（一般为二维和三维体系中）和不同交互空间中的变换参数个数不尽相同[6]。

5 结束语

通过上述分析可以看出，医学图像要想获得最佳和精确的配准，需要采用更为先进的图像配准法。基于互信息在医学图像刚性配准应用广泛的原因就在于此方法有较强的自主性，还具备精确的检测数据、较快的配备速度以及较高的有效性。但是使用此方法获取精确的配准，还需要更优化的计算方法。

[1]张屹，等.基于互信息医学刚性图像配准方法的研究[J].中国医学物理学杂志，2011（2）：2515-2518.

[2]王腾飞，等.基于空间加权互信息的非刚性医学图像配准[J].计算机应用与软件，2014（9）：213-216.

[3]冯兆美，党军，崔崤蛲，等.基于B样条自由形变三维医学图像非刚性配准研究[J].影像科学与光化学，2014，32（2）：200-208.

[4]赵菲，廖琪梅，马昂昂，等.基于ITK的多模态医学图像非刚性配准研究[J].医疗卫生装备，2011，32（11）：5-8.

[5]王雷，高欣，崔学理，等.基于灰度距离融合的2D/3D刚性配准[J].光学精密工程，2014，22（10）：2815-2824.

[6]韩雨，王卫卫，冯象初.基于迭代重加权的非刚性图像配准[J].自动化学报，2011，37（9）：1059-1066.

Explore Mutual Information Based Rigid Registration of Medical Images

Wang Zhongyang Xu Wenjie

Affiliated Hospital of Hebei University,Hebei Baoding 071000

Medical image registration is to find a kind of space transformation in the medical research image of CT or MR, to make the image of the medical research and the corresponding points on the other image to achieve the consistency of space. Medical image registration method can be divided into rigid registration and non rigid registration. Rigid registration method is widely used, and the non rigid registration method is more advanced and perfect after the technology is relatively backward. Mutual information as a common method of computational linguistics, the author combines the rigid registration with the medical image, and makes the research of the related theory and technology knowledge, so as to provide reference for medical science.

mutual information; medical image; rigid registration

TP391.41

A

1009-6434(2016)07-0082-02

王中阳（1985—），男，汉族，河北省保定市人，技师当：助理工程师，大学本科，研究方向为医学图像处理，单位为河北大学附属医院。