分类号：密级：UDC：学号： 010768东 南 大 学硕 士 学 位 论 文2D-3D 医学图像配准研究研究生姓名：梁玮导师姓名： 鲍旭东 教授罗立民教授申请学位级别工学硕士工程领域名称生物医学工程论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人二〇〇四年六月2D-3D REGISTRATION OF MEDICALIMAGEA Dissertation Submitted toSoutheast UniversityFor the Academic Degree of Master of EngineeringBYLIANG WeiSupervised byProf. BAO XudongAndProf. LUO LiminDepartment of Biomedical EngineeringSoutheast UniversityJune 2004东 南 大 学 学 位 论 文 独 创 性 声 明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。
尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
研究生签名：日期：东 南 大 学 学 位 论 文 使 用 授 权 声 明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。
本人电子文档的内容和纸质论文的内容相一致。
除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。
论文的公布（包括刊登）授权东南大学研究生院办理。
研究生签名： 导师签名：摘要论文题目：医学图像配准算法研究研究生姓名：梁玮导师姓名：鲍旭东教授、罗立民教授院校名称：东南大学在计算机辅助外科手术和图像导航外科手术中，图像配准是重要的一环，术前体数据与术中获取的图像间的配准能够给治疗提供实时信息，辅助手术导航。
术中的三维图像不容易获取，一般只能得到二维图像。
虽然这样的图像缺乏三维体数据的空间信息，但是它获取速度快并且能够减少患者和医生暴露在射线中的时间，将术中2D图像与术前体数据配准可以补偿一些空间信息。
本文着重研究了相似性测度在医学图像配准中的应用。
本文首先讨论了数字影像重建技术（DRR）, 并用光线跟踪的方法实现了对CT体积数据的数字影像重建，通过对参数的调整实现了突出骨组织的DRR和包含软组织的DRR，得到了不错的效果，为以后的配准研究做好了重要的准备工作。
然后详细介绍了三种相似性测度：互信息、模式强度、梯度差值，引入了结合下降单纯形的模拟退火算法。
基于前面提到的三种相似性测度，实现了二维图像的配准，为后面的研究奠定了良好的基础。
我们将二维医学图像配准的方法拓展到三维空间，基于三种不同的相似性测度实现了2D-3D医学图像配准，并对实验结果进行了比较和评价，并对模式强度测度进行了改进，在保证精度的前提下，加快了运算速度，得到了比较满意了效果。
关键词：医学图像; 互信息; 模式强度; 梯度差值; 图像配准; 数字影像重建AbstractTitle: 2D-3D registration of medical imageAuthor: LIANG WeiThesis supervisor: Prof.BAO XuDong Prof.LUO LiMinSchool: Southeast UniversityRegistering per-operative datasets to intra-operative image acquisitions can provide up-to-date information at the treatment site, aiding surgical guidance and other interventions. As three-dimensional intra-procedural image acquisition is uncommon in medical institutions, typically only two-dimensional image datasets can be obtained for such purposes. Although these images lack the spatial detail of volumetric data, they have the advantages of faster acquisition time and reduced amount of radiation exposure to both patients and doctors. Ideally, one can recover the advantages of the volumetric data by aligning the intra-operative 2D images with pre-operative volumes.We first discussed digitally reconstructed radiograph(DRR), and produced DRR by casting rays through a CT volume. By adjusting the parameters, we have got good results of two types of DRR images—spine image with no added structures and spine image with soft-tissue overlaid, as was the pre-processing work for image registration.Next, we introduced three kinds of similarity measures, such as mutual information, pattern intensity, and gradient difference; we also present the combined method of simulated annealing and descendent simplicity. Based on the above three similarity measures, we realized registration of two-dimensional images. All this will provide excellent bases for the future research.In this dissertation, we extended the registration of two-dimensional medical images into three dimension, realized the registration of 2D-3D medical images base on three different similarity measures and presented our comparison and evaluation of experiment results. Then we improved on the pattern intensity measure and got some satisfactory results. Experiment results show this improvement will speed up the calculation with the invariance of precision.Key words:medical image, mutual information, pattern intensity, gradient difference, image registration, digitally reconstructed radiograph(DRR)目录摘要 (I)Abstract (II)目录 (III)第一章绪论 (1)1．1 研究的目的与意义 (1)1．2 医学图像配准的分类 (4)1．3 本文内容组织 (5)第二章医学图像配准基本原理 (7)2.1 医学图像配准原理 (7)2.2 几何变换 (7)2.2.1 刚体变换 (8)2.2.2 仿射变换 (8)2.2.3 投影变换 (8)2.2.4 非线性变换 (9)2.3 相似性测度 (9)2.3.1 规一化互相关（Normalized Cross Correlation） (9)2.3.2 差值图像的熵( Entropy of the Difference Image) (10)2.3.3 互信息 (MI，Mutual Information) (10)2.3.4 梯度相关（Gradient Correlation） (10)2.3.5 模式强度（PI，Pattern Intensity） (11)2.2.6 梯度差值（Gradient Difference） (11)2.4 灰度插值 (12)2.4.1 最近临插值方法 (12)2.4.2 三线性插值方法 (13)2.4.3 部分体积插值法 (14)2.5 多参数优化算法 (14)2.5.1 单纯形法 (14)2.5.2 模拟退火算法 (17)2．6 本章小结 (20)第三章数字影像重建技术 (21)3．1 DRR原理 (21)3．2 DRR的应用 (23)3．3 DRR算法的实现 (24)3．4 实验结果与讨论 (25)3．5 本章小结 (26)第四章二维图像的配准 (28)4．1 差值图像（Difference Image）及其熵 (28)4．2 相似性测度 (30)4．2．1 互信息（MI , Mutual Information） (30)4．2．2 模式强度（PI , Pattern Intensity） (32)4．2．3 梯度差值（GD , Gradient Difference） (32)4．3 结合下降单纯形的模拟退火算法 (34)4．4 二维图像配准的实现 (35)4．4．1 MR切片图像配准结果 (36)4．4．2 DRR图像配准结果 (37)4．5 本章小结 (38)第五章 2D-3D医学图像配准 (39)5．1 配准前的准备工作 (39)5．1．1 三维CT体数据的获取 (40)5．1．2 二维图像数据的获取 (41)5．2 2D-3D医学图像配准基本原理及步骤 (42)5．3 基于三种相似性测度的配准结果 (43)5．4 Pattern Intensity（PI）测度的快速算法 (45)5．5 本章小结 (47)第六章总结与展望 (48)6.1 总结 (48)6.2 展望 (49)参考文献 (50)致谢 (54)第一章绪论1．1 研究的目的与意义随着医学成像技术的高速发展，医学图像在现代临床医学中的应用越来越广泛。