利用高维互信息的多模态医学图像配准

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 242-245.

利用高维互信息的多模态医学图像配准

胡永祥^1,2，汤井田¹，蒋鸿²

1.中南大学信息物理工程学院生物医学工程研究所，长沙 410083
2.湖南工业大学计算机与通信学院，湖南株洲 412008

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-21 发布日期:2007-08-21
通讯作者: 胡永祥

Multi-modality medical image registration using high dimension mutual information

HU Yong-xiang^1,2，TANG Jing-tian¹，JIANG Hong²

1.Institute of Biomedical Engineering，Central South University，Changsha 410083，China
2.Institute of Computer & Communication，Hunan University of Technology，Zhuzhou，Hunan 412008，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: HU Yong-xiang

摘要/Abstract

摘要： 互信息相似性测度在多模态医学图像配准中获得了广泛的应用，然而其不足之处在于没用充分利用图像固有的空间信息。针对这一不足，提出了利用图像邻域信息的高维互信息配准方法。首先用图像像素及其邻域构成高维向量的集合，然后利用基于最近邻的熵估计法来估计集合的高维熵，并采用近似最近邻搜索算法来加快高维熵的计算。实验结果验证了新的相似性测度的有效性。

关键词: 高维互信息, 多模态医学图像, 图像配准

Abstract: Mutual Information（MI） based similarity measure has been widely used in multi-modal medical image registration.One drawback of MI，however，is that it fails to take into account the spatial information of image.In this paper，we propose a novel extension to MI called High-dimension Mutual Information（HMI）.This extension takes advantage of neighbor pixels to construct a set of high dimension vector，and then evaluates high dimension entropy using an algorithm based on Nearest Neighbor Search （NNS）.In order to compute HMI effectively，we adopt an algorithm called approximate nearest neighbor search.Experiments demonstrate the validation of the extended methods.

Key words: High-dimension Mutual Information（HMI）, multi-modality medical image, image registration

胡永祥^1,2，汤井田¹，蒋鸿². 利用高维互信息的多模态医学图像配准[J]. 计算机工程与应用, 2007, 43(24): 242-245.

HU Yong-xiang^1,2，TANG Jing-tian¹，JIANG Hong². Multi-modality medical image registration using high dimension mutual information[J]. Computer Engineering and Applications, 2007, 43(24): 242-245.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[3]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[4]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[5]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[6]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[7]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[8]	曹国刚，张晴，张培君，王志敏. 基于多核并行化差异进化算法的图像配准方法[J]. 计算机工程与应用, 2017, 53(20): 166-172.
[9]	雒培磊1，李国庆2，曾怡1. 一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用, 2017, 53(20): 180-186.
[10]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[11]	卫建龙1，田铮1，2，延伟东1，范明1. 图像多尺度配准的小波域SURF算法[J]. 计算机工程与应用, 2014, 50(21): 200-204.
[12]	邓朝省，陈莹. 基于局部SIFT特征点的双阈值配准算法[J]. 计算机工程与应用, 2014, 50(2): 189-193.
[13]	杨宇光1，2，滕义伟1. 改进多尺度特征提取的图像配准算法研究[J]. 计算机工程与应用, 2014, 50(15): 157-163.
[14]	耿佳佳1，康晓东1，王昊1，2，于文勇1. 基于Gabor滤波器和聚类的图像配准算法[J]. 计算机工程与应用, 2014, 50(10): 193-196.
[15]	赵钰1，朱俊平1，亢娟娜1，2. 改进的区域互信息和小波变换的图像配准[J]. 计算机工程与应用, 2013, 49(21): 152-155.